计算智能方法研究及其集成应用

发布时间：2017-08-03 12:08

  本文关键词：计算智能方法研究及其集成应用

  更多相关文章： 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

【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。
【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
【学位授予单位】：中国海洋大学
【学位级别】：硕士
【学位授予年份】：2003
【分类号】：TP18
【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

【引证文献】

中国期刊全文数据库 前3条

1 刘淑艳;郭益;沈昀;;基于信息扩散方法对有色金属力学性能的研究[J];大型铸锻件;2008年06期

2 张秉森,刘晓洁;神经网络在计算机配色中的应用[J];印染;2005年18期

3 王强;李孟军;陈英武;;卷烟配方数据挖掘技术研究进展[J];中国烟草科学;2007年04期

中国博士学位论文全文数据库 前1条

1 杨宁;计算机辅助卷烟配方设计关键技术研究[D];中国海洋大学;2010年

中国硕士学位论文全文数据库 前2条

1 杨宁;支持向量机在感官评估中的应用研究[D];中国海洋大学;2004年

2 姜科;农产品感官评估综合分析方法及系统实现[D];东华大学;2013年

本文编号：614278