量子神经网络算法范文1
关键词: 模糊网络; 入侵检测; 分层操作; 特征自动提取
中图分类号: TN711?34; TP393.08 文献标识码: A 文章编号: 1004?373X(2017)10?0114?04
Abstract: The intrusion features in fuzzy network are diverse, so the intrusion features can not be reasonably judged with the fixed threshold. A kind of layer sequence characteristics′ automatic extraction method based on quantum neural network is put forward to solve the problems of low detection rate and high false rate and slow detection speed in the fuzzy network intrusion detection methods. In this algorithm, the quantum BP neural network model is used to extract information in the space thinking structure of quantum form by means of hierarchical division of fuzzy network, and the phase in quantum form of neural network is operated by means of quantum gate displacement and rotation changes in quantum space structure to complete automatic extraction of multilayered sequence features. The experimental simulation result show that the algorithm has better detection rate, detection efficiency and low false alarm rate.
Keywords: fuzzy network; intrusion detection; hierarchical operation; characteristic automatic extraction
0 引 言
入侵z测为保证网络安全的重要技术,通过学习能力、适应能力较高的智能学习算法完成检测,不但可以提高检测精度,还可以大大降低错误率。因此,在智能学习算法的基础之上,研究入侵检测方法是很有意义的[1]。在模糊网络的入侵特征提取中,出现了很多较好的方法,支持向量机是一种依据核函数的学习算法,将非线性训练集投影至高维空间中,使非线性训练集达到线性可分的目的,将最大优化间隔面看作分类面,识别样本数据并对其进行分类整理[2]。文献[3]提出一种基于[K]近邻算法的入侵检测方法,依据待测样本与相邻样本之间的距离确定权重,从而实现样本数据集的分类,达到入侵检测的目的。该方法实现过程简单,然而在计算相邻样本权重时,容易造成局部出现最优的问题。文献[4]在信息熵的基础上,提出一种[K]邻近算法,将其应用于入侵检测中,利用样本信息熵完成分类,从而实现入侵检测。该方法检测效率高,然而其信息熵的求解方法不可靠,导致入侵检测结果不可靠。文献[5]在提出一种基于支持多种向量机的检测方法,通过分散方法实现对集合的训练,构建分类器,通过分类器实现入侵检测。该方法检测精度高,但其中聚类处理对初始值的要求较高,且该方法计算量非常大。
依据上述分析,本文提出了一种基于的层序列特征自动提取方法。在该中,通过对模糊网络进行层次划分,运用量子BP神经网络模型以量子形式形态的空间思维结构来提取信息,通过量子空间结构中的量子门的移位与旋转变化对神经网络量子形态相位进行操作,完成多层序列特征自动提取。仿真实验证明,该算法具有较高的检测率和检测效率,并且误报率较低。
1 模糊网络入侵中多层序列划分步骤
Step1:如果由[α]代表模糊网络入侵特征的约简阈值,在有限样本集存放在临界值[N]的状态下,满足于[α≥N]的条件,假如在样本中不含有简约样本,那么样本的简约程度不会受到[α]值的影响,可通过不断简约调整其[α]的取值。
Step2:假设由[xi]代表模糊网络中训练集[L]的样本,则需要计算出[Ci]代表的相对应的最近领链[6?7]。
Step3:相对于[Ci]代表的最近领链的距离序列,需要满足于:
Step4:假如对[xij]代表的模糊网络训练集[L]中标记的入侵特征进行初始化操作,会获取[L′]代表的简约特征。
Step5:当模糊网络的入侵特征变换为多类分类问题时,对于[L]可形成多层次分类的局面,其任意的入侵数据都可以进行约简。针对[c]分类问题,对入侵的特征进行[c-1]次约简,从而得到[c-1]的层次集合,则会将相同类型的层次结果归纳为相同类别的最终分层内容。
Step6:假如由[xt]代表模糊网络的入侵特征,[L′]代表初始化的集合,则在[L′]中查询和其最近邻的数量为[k]的入侵特征,且需要满足[xt1,xt2,…,xtk]的条件;在求取相关值时,将欧氏距离用度量单位表示,由[dt1,dt2,…,dtk]代表样本[xt]的最大距离序列。
2 模糊网络入侵中多层序列特征提取
量子BP神经网络模型是在传统人工BP神经网络基础上融合量子计算的神经网络模型,量子BP神经网络模型实质为量子门神经网络结构模型。量子BP神经网络模型不同于传统神经网络的形式,主要在于量子BP神经网络模型以量子形态的空间思维结构来传递信息,通过量子空间结构中量子门的移位与旋转变化操作神经网络量子形态相位,详细描述量子BP神经网络模型的计算运行原则为:量子门作为量子BP神经网络模型进行量子计算的前提,通过通用量子门取代神经网络的激励函数对输入向量进行运算操作。并在模糊网络入侵中多层序列特征提取中进行应用。
由式(8)和式(9)可以看出,量子BP神经网络模型入侵特征提取的作用是使输入的量子BP神经网络模型量子态发生相位的移动变化;而量子BP神经网络模型两位特征提取层中[γ]代表模型控制参数。当满足[γ=1]时,模型量子态出现翻转变化;当满足[γ=0]时,虽然量子BP神经网络模型量子态相位发生了变化,但是通过观测量子态的概率幅并无变化。将这种情况视为量子态没有发生变化,当[γ]为其他值时可以任意调整量子BP神经网络模型量子态的变化。
图1中:[X=x1,x2,…,xn]代表将模糊网络入侵中多层序列特征提取的问题转变为量子BP神经网络模型量子态相应的角度输入;[λ]代表阈值;[δ]代表量子态角度控制因子;arg(u)代表u的相位也被称为权值,[argu=arctanImuReu];z表示量子BP神经网络模型量子神经元的输出;[gx]代表sigmoid函数。
假设由[Ii]代表量子BP神经网络模型量子神经元的第i个输入,则图1所示的量子BP神经网络模型量子神经元的特征提取输出表示为:
式中:该量子BP神经网络模型的输出模糊网络入侵中多层序列特征提取结果主要根据[θi,λ,δ]这三个控制参数进行调节。首先对量子BP神经网络模型输入量子态进行相位转移,通过对量子态相位转移的结果引入相位角度偏置进行修正处理,在此基础上将相位角度修正结果通过量子BP神经网络模型可控非门获得该模型量子神经元的输出,由此完成对模糊网络入侵中多层序列特征提取的操作。
3 实验仿真与分析
将样本数据集[8]内的2个不相关子集当成测试数据集,在对样本集进行预操作以及训练过程中,任意划分训练样本集,获取1组训练样本、2组常量数据集,具体的数据集如表1所示。
实验采用Matlab 7.1及libsvmmat 2.911工具实现算法,将径向基函数[RBF]当成[SVM]的核函数,通过交叉验证参数方法设置核参数和限制系数的值,聚类数是[k=n2],[n]用于描述样本总数。实验对本文算法和[B-ISVM]算法的检测率、误报率和训练时间进行比较,详细结果如图2~图5所示。
4 结 语
本文提出了一种基于量子神经网络的层序列特征自动提取方法。在该算法中,通过对模糊网络进行层次划分,运用量子BP神经网络模型以量子形式形态的空g思维结构来提取信息,通过量子空间结构中的量子门的移位与旋转变化对神经网络量子形态相位进行操作,完成多层序列特征自动提取。实验仿真证明,该算法具有较高的检测率和检测效率,并且误报率低。
参考文献
[1] 李骏骁.多层差异网络深度入侵数据挖掘方法研究[J].计算机仿真,2015,32(4):235?238.
[2] 陈利军,郭红艳.基于粒子滤波的网络入侵相频特征提取算法[J].科技通报,2016,32(3):101?104.
[3] 康松林,刘乐,刘楚楚,等.多层极限学习机在入侵检测中的应用[J].计算机应用,2015,35(9):2513?2518.
[4] 隆忠华,王祥.基于模糊时间序列的车辆检测器数据修补方法研究[J].物联网技术,2016,6(6):21?24.
[5] 胡向东,熊文韬.面向智能家居的入侵检测方法研究[J].广东通信技术,2016,36(5):10?16.
[6] 赵龙才,李强子,黄慧萍.基于高分辨率影像的平原地区农村居民点自动化提取方法研究[J].遥感技术与应用,2016,36(4):784?792.
量子神经网络算法范文2
【关键词】短期负荷预测;参数优化;量子差分进化;最小二乘支持向量机
引言
“十三五”规划期间,随着电力市场化改革的进一步深化与智能电网的大规模试点,精度较高的负荷预测对保障智能电网的安全稳定运行与电能资源的优化配置至关重要。故不断改进负荷预测方法,提高预测的精度,对于制定经济优化的发电计划、降低旋转储备容量、进行电力市场需求分析等方面均有十分重要的意义。
目前,用于负荷预测的方法大体可以分为经典的数学统计方法和基于人工智能的方法,其中,大多数负荷预测理论都基于时间序列分析,包括自回归模型(VAR)[1],自回归滑动平均模型(ARMA)模型[2]等,时间序列平滑预测法的模型识别与参数估计都是根据有限序列去推断原序列式的性质来完成,这种推断误差较大,不能满足短期负荷预测精度需要。随着世界各国电力市场的发展,负荷预测受到了更加广泛的重视,神经网络预测技术[3],混沌预测技术[4]以及粒子群优化[5],LSSVM[6]等自学能力较强的预测方法都在负荷预测中应用广泛。负荷预测是ANN在电力系统应用中最合适的领域,但由于神经网络模型输入的原始数据必须以精准为前提,而实际预测时,因统计存在差异,使得数据同实际值有一定差别,导致预测精度不理想。并且针对不同地区的特点,应根据其负荷变化的规律及气象变化规律选取不同的特征参数,不同的ANN模型与结构,这就增加了推广的难度。
与神经网络算法采用经验风险最小化原则不同,支持向量机(SVM)采用的是结构风险最小化原则,将求解过程转化为凸二次规划问题。这就很好地克服了神经网络的一些不足,且在负荷预测的实际应用中取得了很好地性能表现。但是正则化参数与核参数的选择极大影响着LSSVM的性能。量子差分进化算法有效的克服了群智能算法中比较普遍的早熟现象,提高了全局的搜索能力。本文通过量子差分进化算法优化最小二乘支持向量机模型的正则化参数与核函数参数,实现参数的自动调整。
一、基于量子差分进化的LSSVM建模过程
在基于量子差分进化的LSSVM建模中,LSSVM输出值为带有和的因变量,而正则参数与核函数由量子差分进化算法进行优化选取,优化的目标函数为输出值与实际值的误差平方和。
优化目标函数定义为:
其中,yi为第个已知样本的输入值,yi'为第个样本对应的模型预测输出值,为样本总体个数。
则基于QDE的LSSVM模型参数的组合寻优步骤如下:
1)参数初始化
QDE算法的主要参数为种群规模N,染色体长度D,变异因子F,交叉因子C和最大世代数g,其中,g初始化为0。
2)种群初始化
其中,i=1,2,……,N,j=1,2,……,D,与分别表示第j列的上界和下界。
3) 量子编码
对初始种群进行量子编码
4) 变异操作
变异操作使用两个随机向量,按照公产生变异向量
5)交叉操作
交叉操作可以增加种群多样性
6)选择操作
选择操作保证更优的后代生存到下一个世代,选择操作的原则是按照最优适应度进行。
综上,基于QDE改进的LSSVM算法流程图如图1所示。
二、算例分析
本文选取山西阳泉2013-5-01至2013-5-31全天24个小时的历史预测数据,影响因素包括:日分类,0表示样本日为工作日(周一―周五),0.8表示一般休息日(周六、周天),1表示节假日(法定节假日与民间节日);日温度(日最高温度,日最低温度);日降水量。选取2013-5-01至2013-5-30的720个数据作为训练样本,2013-5-31作为测试样本。同时,为了反映不同的负荷情况,31号得到了24个小时的测试结果。
为了准确评估预测模型,采用平均绝对百分比误差与最大相对误差来衡量模型预测结果的可行性。
其中,与分别为测试样本的输出值与实际数值。
设定种群规模,变异概率Pm=0.05,交叉因子Cr=0.5,收缩因子且随机生成种群数。根据图1所示流程,对2013-5-31进行24点负荷预测。
从图2中可以看到,短期负荷量与时间成非线性相关。因此,将LSSVM预测及BPNN的预测结果作为对比。LSSVM的预测步骤与QDE_LSSVM的预测步骤相似,未经过QDE优化的LSSVM的参数为(?酌,?滓2)=(0.4641.725),BPNN网络的网络结构为2-5-1, BPNN网络的迭代次数设定为1000,学习率为0.5,目标为0.00004。
图2给出了QDE_LSSVM,LSSVM与BPNN的短期负荷预测结果。其中BPNN的预测值波动性较大,不能满足短期负荷预测要求的稳定性原则。而经过改进的LSSVM模型更加接近原始曲线,能够满足实际电力系统负荷预测的要求。
表1给出了三种预测方法的平均相对误差与最大相对误差,其中QDE_LSSVM的平均相对误差最低,为1.06%,比BPNN低0.74%。这表明,与BPNN相比,QDE_LSSVM的小样本集合回归问题上具有显著优势。原因是LSSVM满足结构风险最小化原则,具有较强的推广能力,可以避免ANN法对训练样本数量和质量要求的较高不足。QDE-LSSVM的平均相对误差比LSSVM低0.55%,这表明QDE-LSSVM的预测效率要优于LSSVM。
结论
考虑电力负荷的历史数据,日期类型以及气象因素,本文利用QDE_LSSVM法进行短期负荷预测。
1)根据确定LSSVM参数存在的问题,引入QDE对参数进行优化。实验结果表明提出的方法能够自动提取识别率高且收敛速度较快的参数。
2)提出了应用QDE-LSSVM法进行短期负荷预测。实验结果表明,与BPNN和LSSVM法相比,QDE-LSSVM算法能够实现较高的预测精度,验证了所构建模型的正确性和有效性。作为一种启发式混合算法,本文所提出的方法能够为智能电网制定科学合理的发电计划提供一定的依据。
参考文献:
[1]万昆,柳瑞禹.区间时间序列向量自回归模型在短期电力负荷预测中的应用[J].电网技术,2012,11:77-81.
[2]黄元生,邓佳佳,苑珍珍.基于ARMA误差修正和自适应粒子群优化的SVM短期负荷预测[J].电力系统保护与控制,2011,14:26-32.
量子神经网络算法范文3
关键词:农村电力;BP算法;人工神经网络;回归分析
中图分类号:TM855文献标识码:A
文章编号:1009-2374 (2010)22-0138-03
0引言
农村用电具有很大的不确定性,农村电力短期负荷预测研究对农村电力系统的安全及农业安全生产有十分重要的意义。基于短期负荷预测研究理论和方法已做了大量预测研究,提出了很多方法,大致可以分为两类:一类是以时间序列法为代表的传统方法,如时间序列法等,这些方法算法简单,速度快,应用广泛,但由于其本质上都是线性模型方法,因此存在着很多缺点和局限性,无法真实地反映农村电力系统不同负荷模型的非线性特性;另一类是以人工神经网络为代表的新型人工智能方法,神经网络具有并行分布信息和自学习及任意逼近连续函数的能力,能够捕获农村电力短期负荷的各种变化趋势。BP网络需要大量历史数据进行训练,且学习及处理不确定性和人工信息的能力较差。人工逻辑系统适用于处理不确定性、不精确性及噪声引起的问题。实践证明,将BP算法和神经网络融合的人工神经网络能发挥各自的优势,克服各自的不足是一种有效的方法。
1农村电力短期负荷预测研究算法
基于负荷预测方法主要有回归分析法、时间序列法、指数平滑法、灰色模型法、专家系统法、人工神经网络法、小波分析预测技术和数据挖掘理论等。
1.1回归分析法
回归分析法是研究变量与变量之间的一种数学方法。在回归分析中,自变量是随机变量,因变量是非随机变量,由给定的多组自变量和因变量资料,研究各自变量和因变量之间的关系,形成回归方程,求解回归方程后,给定各自变量数值,即可求出因变量值。回归分析法根据历史数据和一些影响负荷变化的因素变量来推断将来时刻的负荷值。回归分析法的特点是:原理、结构简单,预测速度快,外推特性好,对于历史上未出现过的情况有较好的预测值。
1.2灰色模型法
灰色系统理论将一切随机变化量看作是在一定范围内变化的灰色量。常用累加生成(AGO)和累减生成(IAGO)的方法将杂乱无章的原始数据整理成规律性较强的生成数据列。用灰色模型(GM)的微分方程作为农村电力系统单一指标(如负荷)的预测时,求解微分方程的时间响应函数表达式即为所求的灰色预测模型,对模型的精度和可信度进行校验并修正后即可据此模型预测未来的负荷。
1.3专家系统法
专家系统是依据专门从事短期负荷预测的技术人员提供的经验,总结出一系列的规则,并建立相应的历史负荷和天气的数据库,利用if-then规则对待预测日的负荷进行估计。由于专家系统将天气条件作为一个重要因素引入预测模型,因而预测的结果更为令人满意。专家系统预测的优点在于较好的解决了天气等因素对负荷的影响,有力的克服了时间序列法不能处理数据序列中出现大扰动的情况。但是这种方法过分依赖规则,如果没有一系列成熟的规则负荷预测就无法进行,而规则本身不具有普遍适应性,预测模型不能推广到所有的系统,这正是专家系统存在的弱点。
1.4人工神经网络法
人工神经网络方法是90年代以来发展起来的新方法,用人工神经网络进行负荷预测是农村电力系统负荷预测的一个新发展方向。人工神经网络法利用人工神经网络(ANN),选取过去一段时间的负荷作为训练样本,然后构造适宜的网络结构,用某种训练算法对网络进行训练,使其满足精度要求之后,用ANN作负荷预测。一般而言,ANN应用于短期负荷预测要比应用于中长期负荷预测更为适宜,因为短期负荷变化可以认为是一个平稳随机过程,而长期负荷预测与国家或地区的政治、经济政策等因素密切相关,通常会有些大的波动,而并非是一个平稳随机过程。目前用人工神经网络进行负荷预测还存在一些问题,比如模型结构的确定,输入变量的选取,人工神经网络的学习时间较长等问题。但它仍具有许多其他方法所不能比拟的优点,例如:良好的函数逼近能力,通过对样本的学习,能够很好的反映对象的输入/输出之间复杂的非线性关系。因此人工神经网络受到许多学者的高度评价。
1.5小波分析预测技术
。一方面,小波分析发扬了Foufie分析的优点,克服了Fourie分析的某些缺点;另一方面,小波分析现在已经被广泛应用于信号处理、图像处理、量子场论、语言识别与合成、地震预报、机器视觉、机械故障诊断与监控、数字通信与传输等众多领域。原则上讲,凡是传统方法中采用Fourier分析的地方,基本上都可以用小波分析来取代,而且其应用结果会得到深化和发展,因此小波分析作为一种多方面运用的数学工具,具有巨大的潜力和广泛的应用前景。
农村电力系统中曰负荷曲线具有特殊的周期性,负荷以天、周、年为周期发生波动,大周期中嵌套小周期。而小波分析是一种时域或频域分析方法,它在时域和频域上同时具有良好的局部化性质,并且能根据信号频率高低自动调节采样的疏密,容易捕捉和分析微弱信号以及信号、图像精细的采样步长,从而可以聚焦到信号的任意细节,尤其是对奇异信号很敏感,能很好的处理微弱或突变的信号,其目标是将一个信号的信息转化成小波系数,可以方便的处理、存储、传递、分析或被用于重建原始信号,这些优点决定了小波分析可以有效地应用于负荷预测问题的研究。
1.6模糊预测法(FUZZY)
FUZZY预测,是近几年来在农村电力系统负荷预测中不断出现的一种预测方法,将FUZZY方法引入的原因是,农村电力系统中存在着大量的模糊信息,如负荷预测中的关键因素气象状况的评判、负荷的日期类型的划分等信息,都是模糊的。常规方法就是采用统计和经验相结合的方法予以处理,这给负荷预测引入了不科学因素,并且与自动化要求相矛盾,而FUZZY方法正是破解这些模糊信息的钥匙。从实际应用来看,单纯的FUZZY方法对于负荷预测的精度往往是不尽人意的,主要因为FUZZY预测没有学习能力,这一点对于不断变化的农村电力系统而言,是极为不利的。
2农村电力短期负荷预测研究与实现
2.1人工神经网络原理
人工神经网络是一种“采用物理可实现的系统来模仿人脑神经细胞的结构和功能的系统。”人工神经网络是最近发展起来的十分热门的交叉学科,它涉及生物、电子、计算机、数学和物理学科,有着非常广泛的应用背景,这门学科的发展对日前和末来的科学技术的发展有重要的影响。二维的简单人工神经网络按网络拓扑结构可分为两类:前馈型网络和反馈型网络。反馈型网络模型是一种反馈动力学系统,它具有极复杂的动力学特性。反馈神经网络模型可以用完备的无向图表示,代表性的模型包括;Hopfield网络模型和Hamming网络模型。反馈神经网络模型有很强的计算能力。前馈神经网络模型是指那些在网络中各处理单元之间的连接都是单向的,而且总是指向网络输出方向的网络模型。
2.2BP人工神经网络算法
基于BP网络学习规则的指导思想:对网络权值和阈值的修正要沿着表现函数下降最快的方向――负梯度方向。
xk+1=xk-akgk (1)
其中xk是当前的权值和阈值矩阵,gk是当前表现函数的梯度,ak是学习速度。假设三层BP网络,输入节点,隐层节点,输出节点。输入节点与隐层节点间的网络权值为,隐层节点与输出节点间的网络权值为。当输出节点的期望值为时,模型的计算公式如下:
隐层节点的输出:
yj=f(wjixi-θj )=f (netj) (2)
其中netj=wjixi-θj (3)
输出节点的计算输出:
zl=f(vljyj-θl)=f (netl) (4)
其中netl=vlj yj-θl (5)
输出节点的误差:
E=(tl-zl)2=(tl-f(vljyj-θl))2
=(tl-f(vljf(wjixi-θj)-θl))2 (6)
E=(tI-zi)2=(tI-zi)
2.3误差函数对输出节点求导
=・=・ (7)
E是多个zk的函数。但有一个zk与vlj有关,各zk间相互独立,其中:
=[-2(tk-zk)・]=-(tl-zl) (8)
=・=f '(netl)・yj (9)
则=-(tl-zl)・f '(netl)・yj (10)
设输入节点误差为δl=(tl-zl)・f '(netl) (11)
则=-δl・yj (12)
2.4误差函数对隐层节点求导
=・・ (13)
E是多个zl的函数,针对某一个wji,对应一个yj,它与所有zl有关,其中:
=[-2(tk-zk)・]=-(tl-zl) (14)
=・=f '(netl)・(-1)=f '(netl)・vlj (15)
=・=f '(netl)・xi (16)
则=-(tl-zl)・f '(netl)・vlj・f '(netj)・xi=δlvlj・f '(netj)・xi(17)
设隐层节点误差为δj'=f '(netj)・δlvlj (18)
则:=-δj'xi (19)
由于权值的修正Δvlj,Δwji正比于误差函数沿梯度下降,则有:
Δwji=-η'=η'δj'xi (20)
vlj(k+1)=vlj(k)+Δvlj=vlj(k)+ηδlyj (21)
δl=-(tl-zl)・f '(netl) (22)
Δθl=η=ηδl (23)
wji(k+1)=wji(k)+Δwji=wji(k)+η'δj'xi (24)
δj′=f '(netj)・δlvlj (25)
其中隐层节点误差δj′中的δlvlj表示输出节点的zl的误差δl通过权值vlj向节点yj反向传播成为隐层节点的误差。
2.5 阈值θ也是变化值,在修正权值的同时也需要修正,原理同权值修正一样误差函数对输出节点阈值求导
=・ (26)
其中=-(tl-zl) (27)
=・=f '(netl)・(-1)=-f '(netl) (28)
则=(tl-zl)・f '(netl)=δl (29)
阈值修正Δθl=η=ηδl (30)
θl(k+1)=θl(k)+ηδl (31)
误差函数对隐层节点阈值求导=・・(32)
其中=-(tl-zl) (33)
=f '(netl)・vlj (34)
=・=f '(netj)・(-1)=-f '(netj) (35)
则=(tl-zl)・f '(netl)・vlj・f '(netj)=δlvlj・f '(netj)=δj' (36)
阈值修正Δθj=η' =η'δj' (37)
θj(k+1)=θj(k)+η'δ'j (38)
2.6传递函数f(x)的导数S型函数
f (x)=,则f ' (x)=f (x)・(1-f (x)) (39)
f ' (netk)=f (netk)・(1-f (netk)) (40)
对输出节点zl=f (netj) (41)
f ' (netj)=zl・(1-zl) (42)
对输出节点yj= f (netj) (43)
f ' (netj)=yj・(1-yj) (44)
3结语
基于一种新的基于人工神经网络在农村电力短期负荷预测研究。针对BP算法中存在的收敛速度慢、易陷入局部最小值的问题,可采用附加动量法和自适应学习速率法在一定程度上解决这些问题。附加动量法是在BP算法的基础上,在每个权值变化上加上一项正比于上一次权值变化量的值,并根据BP算法来产生新的权值变化,利用附加动量法可能会避开某些局部最小值。自适应学习速率法是在学习过程中不断修正学习速率,有利于提高学习效率,缩短学习时间。
参考文献
[1] 刘光中,颜科琦.组合神经网络模型对电力需求的预测[J].数量经济技术经济研究,2003,(1)
量子神经网络算法范文4
关键词 数据挖掘;方法;应用
中图分类号TP3 文献标识码A 文章编号 1674—6708(2012)76—0209—02
。因为人们所拥有的数据量在不断的增长,这就对数据的管理和分析提出了更高的要求,急需新的技术从大量的信息中提取或“挖掘”知识,于是数据挖掘(Data 。
1 数据挖掘技术定义
数据挖掘技术是指从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。在大多数情况下,人们只知道储存数据,数据越来越多,可是不知道数据中存有很多重要的信息,数据挖掘就可以从这大量的数据中搜索出重要的信息。
2 数据挖掘常用的方法
1)决策树。决策树方法是把数据分类,构成测试函数,建立树每一层分支,重复下去就构成了决策树。在构造决策树时,树尽可能精度高,规模小。商业银行在对风险决策时经常用此方法;
2)人工神经网络。神经网络方法引用生物神经网络的方法,就好像人的神经网络,它连接输入、输出信号的枢纽。它在很大程度上模拟人脑的神经系统处理信息。人工神经网络具有四个基本特征:非线性、非局限性、非常定性、非凸性。用人工神经网络方法建立的模型具有很强的非线性拟合能力,学习规则简单,控制能力强等优点;
3)遗传算法(Genetic Algorithm,GA)。遗传算法是模仿达尔文生物进化的自然选择和遗传机制的一种寻优算法。群体中的所有个体为研究对象,利用随机化技术搜索编码,然后分别利用选择、交叉和变异这三个基本遗传算子对其进行遗传操作就能寻找到问题的最优解或者是最满意解。遗传算法的优点是过程简单,具有随机性,可扩展性。实用。在很多领域得到了很大的应用。缺点是编程比较复杂,需要对问题进行编码,找到满意解后还要对问题解码。算法速度比较慢,对初始种群的选择有依赖性等缺点;
4)聚类算法。聚类算法可以说是多元统计研究“物以类聚,人以群分”的一种方法,主要任务是发现大型数据中的积聚现象。聚类分析是把相似特征的样本归为一类,类内差异差距较小,类间距差距较大。聚类算法在好多领域有应用。在商务上,根据客户不同的消费模式进行分类,对客户进行划分,帮助商家获得更多利益。在生物学中,对动植物进行分类,了解各自的基因特征。聚类的算法也比较多,例如:基于模糊的聚类方法、基于粒度的聚类方法、量子聚类、核聚类、谱聚类,这些是新发展的聚类算法。还有常用的聚类算法—BIRCH算法、K—MEANS算法、均值计算方法等。
3 数据挖掘的应用
数据挖掘技术在好多领域有应用。例如:金融业、通讯、教育、政府管理部门等等行业。1)金融业。例如:金融事务需要搜集和处理大量复杂的数据,许多银行和金融机构提供多种多样的投资服务(如共同基金)、信用服务(如个人信用卡)和银行服务(如个人存款)。由于交易的频繁性、信息的不对称性和复杂性,必须从海量数据中挖掘信息,金融数据挖掘技术可以帮助银行系统查询客户以往的需求情况并预测未来;可以分析潜在的信誉较差的客户,及时采取措施减少资产损失;2)通讯业。例如:现今通信业务可以说是五花八门,多种多样,适合不同需求的人群。要想退出新业务,创效益。就必须先确定可能要试用此项业务的客户特征。确定完成后先让小范围的客户试用此项业务,当他们试用一段时间后,对客户的反馈信息进行分析,修改更新,反复这样下去,直至此项业务成熟后,推广进入市场。那如何从大量的客户消费数据中得到这些客户特征,这就需要数据挖掘技术对客户进行详细的深层次的分析,得到有效的,准确的数据;3)教育部门。例如:高校的招生可以说是任何一个高校的大事,招生好坏直接影响学校的生存。专业计划的是否合理,就直接影响招生。我们需要对大量的招生录取信息和就业信息进行分析,数据挖掘技术就可以从这些信息中提取重要的信息预测未来的专业计划如何投放,每个专业投放多少比较合理,不至于计划浪费;4)政府管理部门。随着社会的不断进步,政府部门内部以及部门之间拥有了大量的政务信息,要想掌握有效,准确的政务信息,我们可以利用数据挖掘中的决策树方法,从大量的政务信息中提取准确有效的信息,大大提高整个电子政务的智能化水平。可以通过对网络各种经济资源的深度挖掘,确定未来的经济形势,从而可以指定出合理的宏观调控政策。为社会经济提供有力的可靠的拐杖。
4 数据挖掘未来的展望
数据挖掘的应用越来越广泛,人们对数据挖掘技术的需求水平也就越来越高。它可以预测未来的发展趋势,所以今后研究焦点可能会集中到处理非数字数据;寻求数据挖掘过程中的可视化方法,便于在知识发现过程中的人机交互,使计算机真正实现智能化。。但我相信,不久的将来我们会看到数据挖掘据技术很大的进展。
参考文献
[1][加]Jiawei Han Micheline Kamber著.范明,孟小峰译.数据挖掘概念与技术[M].机械工业出版社.
[2]陈晓燕.遗传算法在数据挖掘中的应用[J].琼州学院学报,18(2).
[3]周明华.近代算法在工程领域中的应用研究[D].浙江大学博士学位论文,2005,1.
[4]曾令明,金虎.基于遗传算法的双向关联规则挖掘[J].微电子学与计算机,2006(23):35—37.
[5]周涛,陆惠玲.数据挖掘中聚类算法研究进展[J].计算机工程与应用, 2012,48(12).
[6]郑红英.数据挖掘聚类算法的分析和应用研究[J].重庆大学硕士学位论文,2002,4.
量子神经网络算法范文5
续志军 (3)
DF-RED:一种基于动态公平性的RED算法佘冠玮 邢卫 鲁东明 (7)
信息与管理
产品成熟度管理策略在协同设计中的研究与应用朱传敏 陈明 周润青 姚远 (14)
基于元数据的船舶物流价值链信息共享机制研究王志英 任南 葛世伦 (18)
面向军工产品的数字质量身份证构建方法研究王美清 郑岳山 (21)
控制技术
自适应控制在行车超载控制器中的应用黄沿波 戴志超 柳红卫 (25)
基于蔗糖结晶过程的图像采集与控制研究潘泽锴 朱名日 张振升 (29)
检测与监控
紫外荧光法测量二氧化硫的温度响应特性分析张凯 李晓苇 李红莲 (33)
小波与神经网络结合用于电机在线监测与故障诊断曾秀丽 玄兆燕 于子旺 (36)
基于无线传感器网络的煤矿安全监控系统的研究边晶 (39)
基于无线传感器网络的车辆实时油耗检测研究罗海波 (42)
基于传感器网络的动态车重测量系统设计梁强 欧全梅 韦彬贵 (46)
传统火花塞电极间隙在线测量方法的优化王伟 (50)
基于匝间耐压测试的绕组品质评价与故障诊断何宝祥 朱正伟 (52)
分析与探讨
Mw级风力发电机轮毂有限元分析郑甲红 杜翠 (55)
永磁磁轨制动应用及联合控制策略研究姚明 何仁 (57)
基于混合Q学习的多Agent系统陈玉明 张广明 赵英凯 (61)
量子粒子群算法在面向再制造的flow-shop问题中的应用胡金涛 叶春明 叶林 (64)
敏感器主镜支撑结构的设计与分析张银刚 郭旭红 寇生 (68)
倒立摆的自调整模糊控制器设计及稳定性分析杨桂华 陈静 (72)
基于神经网络的KR脱硫控制工艺模型的研究但斌斌 马乾 李具中 王雪冬 邓品团 (75)
云计算及其应用探讨张佩英 (78)
再制造中质量信息割裂的博弈分析吴轲 梁工谦 (81)
基于神经网络PID的变速变桨距控制设计陈光宇 (85)
基于视觉感受的曲面建模优化研究肖文 陈定方 (88)
设计与应用
数控电火花机床IETM设计方法研究姜巍巍 尚研 王春艳 (91)
黄海 (95)
基于模糊自整定PID控制的碱回收炉送风系统设计焦联国 李明辉 (98)
基于单神经元PID控制器的PLC直流电机控制系统吴凌云 陈春霞 (101)
PLC在一维力解耦砂带磨削机床中的应用李成群 付永领 贠超 张习加 孙云权 (103)
S7300PLC在水泥粉磨站控制系统中的应用滕飞 李红星 王继文 (106)
基于FEA的齿轮瞬态响应分析葛云 杨月娥 (110)
基于磁场分析的电控柴油机喷油器电磁阀结构参数设计刘存香 (113)
基于PIC18F452列车内端自动门系统的设计何毅 陈维忠 许中荣 (116)
圆周等分算法在适合纹样花卉图案设计的应用朱明秀 (119)
交流变频调速技术在船舶电力推进系统中的应用季明丽 (123)
空箱堆高机电控系统PLC改造设计与实现陈晓琴 卜素新 (126)
DSP技术在舰炮伺服系统中的应用朱伟 (129)
电能质量干扰问题银行信息系统的分析刘亮 单海云 (131)
一种折衷的分层空时编码方案王雪萍 罗文 张永照 (134)
计算机考试数据分析中数据挖掘技术的应用吴英 刘俊熙 (136)
基于阻抗控制的机器人力控制算法性能分析王芳 杨振 (140)
综合
院系管理机制指标体系的绩效评价应用研究张利敏 (143)
一种有效的SVM参数优化选择方法赵璐华 彭涛 (146)
网络信息安全保障的应用探索宋月红 (150)
数据挖掘技术在教学过程中的应用李瑞林 (153)
许洋 周明 (155)
开关电源的基本原理及发展趋势探析侯清江 张黎强 许栋刚 (160)
Web数据挖掘研究与探讨刘树超 李永臣 武洪萍 (163)
浅谈电缆线路的故障原因与提高电缆运行可靠性的途径陈宝怡 (167)
阀岛技术在生产线自动供料系统中的应用吕世霞 王京 (170)
数控车床槽加工的教学浅探葛卫国 (173)
新型双循环双碱法小型工业锅炉湿法脱硫装置研究严方 张海燕 黎宾 (176)
基于.Net的XML技术WEB考试系统开发与研究赵芳云 (179)
基于SIP协议技术的下一代网络的安全性研究暴占彪 (182)
基于WinCC Web Navigator的生产数据系统曹路圆 吴迪 刘征宇 (185)
一种LVS负载均衡调度算法WLC的改进刘玉艳 沈明玉 (187)
基于PowerBuilder客户端程序开发的报表应用框架设计与应用董琴 (192)
基于LabVIEW的发动机振动信号采集系统何芸 (196)
局域网通信安全的评估与技术依托李清霞 (199)
基于时间约束的角色访问控制研究贺贝 (202)
基于网络的虚拟技术在现代制造业中的应用研究王剑锋 蔡黔鹰 韩赢 (205)
基于UG的以设计为中心的虚拟装配技术及应用杨家鹏 (208)
基于ROS的高校图书馆服务器网络安全策略研究石晓东 (212)
(215)
ERP物料清单(BOM)优化研究邝世界 刘兴旺 宁湘华 (217)
基于UML的面向服务的纺织制造执行系统建模郑永前 陈洁 (1)
Stewart平台鲁棒有限时间稳定控制方法研究赵东亚 邹涛 王治平 (4)
控制技术
起爆药连续化合生产线控制系统研究郭卫 陈小松 (7)
圆柱曲面螺旋槽数控加工技术蔺小军 单晨伟 史耀耀 (10)
未知环境下基于模糊神经网络的机器人力控制研究李二超 李战明 李炜 (13)
基于MMA7455的机器人姿态控制系统的研究谷云高 石彦君 周晓静 石成华 (15)
信息与管理
聚类算法在客户细分中的应用研究郑华 (18)
基于管理体系的制造企业信息化建设和运行李平 (22)
基于TRIZ理论的产品结构创新设计冷崇杰 项辉宇 闫晓玲 (27)
通讯与网络
大型企业信息化网络设计方案研究赵炯 林旺城 洪翔 杨根兴 (31)
面向移动环境的网络化制造集成平台及其安全机制的研究沈春燕 顾寄南 牛军燕 吕纪威 (35)
汽车自动变速箱的ATF磨擦性研究张朝许 刘炳良 (37)
一种优化的RSA数字图象加密算法与安全性分析邓从政 罗永超 (40)
基于ZigBee的无线人机界面设计石建国 邓春健 (44)
林俊义 江开勇 (47)
汽车引擎盖板冲压成形CAD技术研究陈文勇 杨达飞 (50)
基于网格的模拟淬火遗传算法及其在305轴承生产中的调度蒋喆 明立军 (53)
检测与监控
轴温报警器检测平台的设计与实现张玉欣 贾君贤 葛文奇 (56)
发动机控制单元测试系统的设计实现陈实 (58)
覃永新 黄庆南 (62)
重型平板运输车微控系统故障诊断技术研究罗达钊 郑绍春 (66)
基于径向基函数神经网络的电机轴承智能故障诊断孙伟 柴世文 杨河峙 (70)
基于LabVIEW的鸡蛋破损自动检测系统设计岑毅南 王书强 路巍 (73)
气体轴承试验平台测试系统何鹏 庄明 王学敏 (75)
基于MALTLAB的等速万向节几何精度的分析陆勤 王建平 (78)
基于GSM和MODEM的远程门禁监测分析系统的设计赵小强 (79)
基于三角网格法的测头半径补偿方法的研究王淑玉 徐铮 邵华 (81)
智能型电磁无损检测仪的研制胡方强 (85)
基于齿轮的质量自动检测系统控制技术研究吴涛 (88)
基于粒子群优化径向基神经网络在模拟电路故障诊断中的应用操建华 (92)
分析与探讨
在役压力管道的风险分析陈金梅 金誉辉 杨海堂 (95)
基于小波去噪的微弱信号提取刘正平 冯召勇 杨卫平 (98)
基于改进FCM模糊神经网络的水处理过程建模王莉 张广明 周献中 (102)
基于传递矩阵的内燃机电站排气消声器优化设计吴晓红 林晓军 (106)
基于AMESIM的DCT动力换挡品质仿真王黎明 张君 李志立 屠海峰 (109)
铜排加工机剪切工站的改进设计冯淑敏 谈理 (112)
变频器与PLC配合使用时应注意的几个问题潘鸣 (116)
计算机软维护研究赵荣 (118)
基于ANSYS的筒体接管疲劳分析谢业东 农琪 (120)
CKS6132数控车床的改型设计石晓波 (122)
设计与应用
基于参数化技术的装配件变型设计方法邓小林 韦衡冰 (125)
高压带电作业机器人专用遥控电动扳手的研制赵玉良 戚晖 陈凡明 李健 (130)
刘建青 黄平 (133)
基于触摸屏和PLC的燃气热风炉控制系统任阿丹 姜明 刘曙滨 (137)
基于GPRS的水表远程集中抄表系统的设计陈白宁 赵明 任亚军 (141)
PCB设计的干扰与抑制研究陈学平 (144)
智能型嵌入式节水系统的设计与应用王晴 王建华 (148)
逆螺旋装置的运动仿真分析张进春 龚宪生 岳秋琴 谢光辉 (152)
EIRICH混捏机搅刀失效分析及改进研究王小平 (155)
基于视觉定位的机器人焊接系统王京 王纪东 李金义 齐立哲 (159)
基于PLC的全闭环水平回转自动焊接系统的设计杜芳芳 (163)
PLC在数控机床故障诊断中的应用韩全立 刘嫒嫒 (165)
基于组态王的MPS组态监控系统的设计张俊勇 (167)
使用ArcGIS REST构建高性能WebGIS服务周兆滨 王琴 顾亮 张永军 (172)
一种用于D/A转换器的带隙基准电压源设计王金斗 (174)
基于Smith预估器的大时滞系统控制方法研究与仿真东方 (177)
脉冲电流测量线圈的参数变化对频带影响的研究李殷 (180)
网络化制造系统安全体系结构的研究任竞颖 李杰 (185)
球面与柱面结合的旋转锉数控加工方法研究唐义锋 陈新华 周忠旺 赵俊生 冯辉 罗斌 (188)
综合
机器人自动化及生产线关键标准研究杨书评 宫迎辉 王海丹 王思斯 (191)
MIS中数据库关键技术及构架设计宋义秋 唐玉琦 (194)
基于网络均衡的AODV协议改进张世显 梁俊 (198)
继电保护系统在不同技术领域的适用度研究邓立群 (201)
oracle数据库应用系统的性能优化魏亚楠 宋义秋 (204)
吸收式热泵精馏过程的机理模型和编程设计王宏 蒋绿林 黄晓蕾 姜黎 (207)
基于四叉树的视点相关LOD地形仿真算法研究雷军环 曾凡喜 吴名星 (211)
(215)
STM系统结构设计与扫描接口智能化的研究杨一平 张平 张建明 (219)
(223)
高校图书馆数字化资源整合建设研究付金华 (226)
呼叫中心ACD话务分配优化模型探讨史宝虹 (229)
汽车仪表盘注塑模优化设计周玉蓉 韦光珍 (232)
基于FPGA的语音MFCC参数提取张文希 胡志刚 (235)
计算机科学与技术的发展趋势探析张瑞 (237)
数字信道化高效结构的FPGA实现马元良 (241)
计算智能原理对创新模式的探索王海鹰 李祖枢 (244)
浅谈数字式综合型负荷监视控制保护装置的应用王智勇 刘振兴 (247)
新型自动环绕式热压封接设备侯邑平 杨丽姗 刘建生 朱富良 (249)
浅谈档案的信息化管理付占红 (251)
基于QFD的知识质量控制研究刘敏娜 秦现生 马飞 同淑荣 (1)
钛合金车削加工表面粗糙度试验研究李登万 陈洪涛 许明恒 韩俊峰 钟成明 (6)
控制技术
感应电动机模糊直接转矩控制系统的研究李斌 郭凤仪 贾巍 赵奇 (8)
基于单片机的横切纸机控制系统改造胡明华 雷刚 (13)
面向嵌入式系统的组件复用框架研究杨新 (16)
基于积分分离式PID控制的柴油发电机组调速器优化设计向守兵 张文贵 (20)
信息与管理
面向减速机产品BOM多视图关系的研究马跃 仇志华 马长志 (23)
STEP—NC数控加工程序信息提取系统模型魏星 罗永胜 (27)
产品质量管理信息系统总体设计贾晓燕 杨晓英 (31)
支持工艺设计的制造信息及其表示王焱坤 同淑荣 马飞 侯世旺 (34)
数据挖掘技术在网络化制造CRM中的应用研究周玲元 冯良清 张群东 (38)
集团化企业内部物流信息集成的研究王怀明 郭晓军 王太勇 郑尚龙 闫鑫 (41)
校园网科研管理系统的设计孟梅 (46)
检测与监控
PROFINET和PROFIBUS集成控制网络下的过程监控系统任俊杰 苏秀丽 李红星 (49)
车牌识别系统中字符分割技术研究陈容红 刘玉娟 陶砂 肖莹 (51)
动态力矩测试系统中PLC对交流伺服电机的控制张米雅 姚建飞 (56)
离心压缩机组模糊诊断决策树的参数优化徐晓丽 舒赜 (59)
轮胎压力监测电路设计张怀广 宋风中 (63)
量子神经网络算法范文6
闽南传统民居建筑中的节能技术探析
福建九地市和谐社会构建的量化分析
福建经济增长与劳动生产率及就业相关性分析
英国高等教育国际化及其对福建高等教育的启示
Cr原子链的几何结构与电子性质研究
鱼眼镜头的光学系统设计
MOCVDGaN/InN/GaN量子阱的应变表征
双向超越离合器星轮成形工艺分析
基于BP神经网络的高速磨削磨削力预测研究
厦门环东海域规划区土地覆被变化的遥感分析
智能型宽电压交流接触器控制器的研制
基于CC2530的电流及温度监测系统的设计与实现
交流特高压并联高抗无功补偿的暂态过程研究
水性聚氨酯丙烯酸酯复合乳液的合成研究
侗族南部方言区择偶婚俗价值观的嬗变研究
盈余持续性综合指标体系的测度研究——以A股制造业上市公司为例
转换成本对顾客感知价值与忠诚度的调节作用
投资对农产品价格波动的传导机制探究
汉日合成词构词方式的比较分析
英语时态一致性认知机制探析
论记体文文体观念的演进
希思克利夫的“替罪羊”形象探究——《呼啸山庄》男主人公新解
福建省高校学报关于联合抵制学术不端行为的声明
福建省基本公共服务均等化的对策研究
厦门市集美区第三产业发展策略探析
退火处理对镨离子掺杂钨酸铅晶体的光谱影响
正交试验法优化四针状纳米ZnO的制备参数及场发射性能
亚克力大把手注塑成形工艺优化及模具设计
轻型电动汽车电子差速器设计
基于LabVIEW软件的磨削力信号采集与提取程序设计
MatlabGUI技术在小球振动实验可视化中的应用
遗传算法在排课系统中的应用
基于PSPICE的声表面波器件仿真研究
基于双重不确定性理论的水资源决策系统研究
风暴潮叠加天文大潮下的沙滩循环与海岸侵蚀
闽江河口区由淤积转为冲刷的演变及其原因
公司股权性质对其现金持有水平的影响研究
我国创业板退市制度的问题与对策
区域人口安全及可持续发展的策略研究
基于超循环的供应链网络仿生协同演化
陶瓷装饰图案设计的创新途径探略
对我国职业足球若干热点问题的思考
体育强国视野下民族体育发展的思考——以脚斗士运动为例
MSAA四维螺旋循环认知模式的构建
认知语言学视角下的译者主体性研究
试论《升官图》的狂欢化特征
我校数字创意学院隆重揭牌成立
2010年《厦门理工学院学报》论文索引
我校承办第17届工业工程与工程管理国际学术会议
数百名专家学者汇聚我校交流探讨模具技术
厦门政府在民营经济发展中的作用分析
鼓浪屿诗歌节的品牌营销
城乡统筹下的新农村建设规划的探索——以厦门市三个试点村为例
快速原型网络协同系统的研究
基于构件的虚拟实验室的设计与实现
基于单片机的远程温度测控系统研究