学位论文 > 优秀研究生学位论文题录展示

计算智能方法研究及其集成应用

作　者: 贺英
导　师: 冯天瑾
学　校: 中国海洋大学
专　业: 信号与信息处理
关键词: 计算智能模糊系统人工神经网络遗传算法 BP网络泛化能力知识抽取 Kohonen网络复合模块化网络群启发式遗传算法卷烟叶组配方设计配方维护感官质量烟气分析
分类号: TP18
类　型: 硕士论文
年　份: 2003年
下　载: 307次
引　用: 5次
阅　读: 论文下载

内容摘要

计算智能(CI)是多种智能方法的集合体。它具有在不确定及不精确环境中进行推理和学习的卓越能力，是建立智能系统的更有效的计算工具。已被广泛应用于信息处理、管理决策、智能控制、专家系统、故障诊断等领域。其中主要的三种方法是：模糊系统、人工神经网络、遗传算法。在解决实际问题中，应努力实现各方法之间的优势互补，协同工作，才能构建高性能的智能系统。计算机辅助卷烟叶组配方设计的主要任务是：一是要建立合理的叶组化学指标与感官质量指标和烟气指标之间关系的数学模型；二是要根据设计目标，利用此数学模型，有约束地优化求解，得到多组最佳或次佳烟叶组合比例。由于卷烟叶组配方是一个非常复杂的，具有不确定性的非线性问题，应用传统的人工智能方法和数学方法很难完成，因此考虑综合应用这三种计算智能方法。本文首先分别对两种神经网络模型及遗传算法的标准算法提出改进，然后将这些改进方法在卷烟叶组配方设计中进行集成应用。全文共分为八章。第一章介绍了计算智能的含义，三种计算智能方法的特点及协作方式。第二章简单阐述了人工神经网络的原理和存在的问题。第三章专门研究了BP网络。根据BP算法的原理，分析了BP算法在应用于复杂问题时往往收敛很慢的原因。从激励函数、权值修正方法、目标函数三方面对多个改进算法进行收敛性能的比较。在理论上分析了影响BP网络的泛化能力的主要因素，提出了一种优化网络结构的方法和初始化权值的方法。综合这些研究结论，提出了一种有较好泛化能力的混合改进BP算法。最后在对神经元的Sigmoid激励函数近似为分段线性函数的前提下，提出一种从受训的BP网络抽取知识的简单方法，并应用于单料烟的感官质量神经—模糊模型中，得到一些有益的规则。第四章阐述了Kohonen网络的基本原理。首先提出奇异值分解法来确定合适的一维Kohonen网络结构，然后研究了一维网络的权值初始化与拓扑映射间的关系，并提出新的初始权值方法。本章重点从邻域函数、学习率调整等方面研究了二维网络的改进算法，并将之应用于烟叶动态分类问题。第五章论述了由BP和Kohonen网络构成的复合模块化网络群。在应用于计算智能方法研究及其集成应用复杂问题建模时能有效提高学习的收敛速度和精度。第六章简介了遗传算法基本原理及发展现状。提出用遗传算法来解决基于神经网络建模的优化问题。提出有引导进化的启发式遗传算法，更有效地解决特定领域问题。第七章将上述研究综合应用于卷烟叶组配方计算机辅助设计系统中。首先介绍了卷烟配方的专业术语和传统的配方流程。然后从与几种专家系统方法的比较引入智能系统的开发背景。根据整个系统总体设计方案，我们分层次地描述了计算智能方法的集成过程。系统的基础是:先应用了第五章的复合模块化网络算法，建立有效的卷烟感官质量和烟气指标的神经网络评估模型。并通过检验样本的结果证明了算法的有效性。然后重点论述了叶组配方维护子系统和新配方设计子系统中，采用的计算智能集成方法。即在神经网络评估模型基础上，应用第六章论述的启发式遗传算法，设计了不同的具有明显问题特点的编码和遗传算子进行寻优。最后对系统运行结果进行分析，算法能有效地寻找到最优或次优配方方案。论文最后一章对研究成果进行总结，分析了应用于卷烟叶组配方系统中的成功与不足处，并对今后系统的深入研究进行展望，指出未来的一些研究方向。

全文目录

第1章前言  9-11
  1.1 计算智能的基本概念  9-10
  1.2 计算智能主要技术的协作方式  10-11
第2章人工神经网络的应用研究  11-13
  2.1 人工神经网络的基本原理  11-12
  2.2 人工神经网络的发展与应用  12
  2.3 人工神经网络的前景及存在的问题  12-13
第3章 BP神经网络的应用研究  13-34
  3.1 BP神经网络的改进算法收敛性能比较  15-22
    3.1.1 激励函数  15-17
    3.1.2 权值修正策略  17-20
    3.1.3 目标函数  20-22
  3.2 提高BP神经网络的泛化能力  22-30
    3.2.1 网络结构  24-27
    3.2.2 训练样本的质量和数量  27-28
    3.2.3 避免其它因素对泛化的影响  28-30
  3.3 从BP网络中抽取知识  30-34
第4章 Kohonen网络的应用研究  34-43
  4.1 Kohonen网络的基本原理  34-37
  4.2 确定合适的一维Kohonen网络结构  37-38
  4.3 一维Kohonen网络的权值初始化与拓扑映射  38-39
  4.4 二维Kohonen网络的改进算法  39-41
  4.5 Kohonen网络在烟叶动态分类中的应用  41-43
第5章复合模块化网络群  43-46
  5.1 模块化网络  43-44
  5.2 复合模块化网络群  44-46
第6章遗传算法的研究  46-50
  6.1 遗传算法简介  46-47
  6.2 基于神经网络的遗传算法优化  47-48
  6.3 启发式遗传算法  48-50
第7章卷烟叶组配方CAD系统中的计算智能集成  50-66
  7.1 卷烟叶组配方设计的基本概念  50-51
  7.2 卷烟配方设计智能CAD系统的研究背景  51-53
  7.3 卷烟叶组配方智能CAD系统的总体设计  53-54
  7.4 叶组感官质量评价和烟气指标的神经网络评估模型  54-56
  7.5 卷烟叶组配方维护子系统  56-61
    7.5.1 配方维护中的计算智能集成  56-60
    7.5.2 系统运行结果分析  60-61
  7.6 卷烟新叶组配方设计子系统  61-66
    7.6.1 新叶组配方设计中的计算智能集成  61-64
    7.6.2 系统运行结果分析  64-66
第8章结论  66-68
参考文献  68-73
作者攻读硕士期间完成论文  73-74
致谢  74

计算智能方法研究及其集成应用

内容摘要

全文目录

相似论文