2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩75頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、基于云模型在處理隨機與模糊現(xiàn)象方面的優(yōu)良特征,本文通過查閱國內(nèi)外資料,深入研究了云模型理論以及免疫檢測理論,并把云模型理論引入到免疫檢測算法中。對逆向云生成算法進行改進,提高算法的精度;用云模型理論生成檢測器集合,提高檢測器集合的自適應(yīng)性;設(shè)計基于云模型理論的免疫檢測算法,提高檢測效率;最后對疫苗理論進行了分析,設(shè)計云疫苗算子,加入到檢測器集合中,提高檢測的二次應(yīng)答時間。
  本文的主要工作:
  1、介紹正態(tài)云模型的定義以

2、及性質(zhì)、正向云生成算法和逆向云生成算法,并重點分析了逆向云生成算法,針對曲線擬合逆向云生成算法中擬合初值的隨機選取導(dǎo)致實驗結(jié)果不穩(wěn)定的問題,對逆向云算法改進算法,用相關(guān)函數(shù)對擬合初值的選取進行優(yōu)化,并用MATLAB進行仿真,結(jié)果表明改進算法能提高算法的穩(wěn)定性以及擬合參數(shù)的精度。
  2、研究云模型的隨機性和模糊性以及兩者的關(guān)聯(lián)性,并對人工免疫的相關(guān)算法進行了深入分析,結(jié)合陰性選擇算法中檢測器的生成方法,用云模型理論生成檢測器集合,

3、使生成的檢測器集合具有自適應(yīng)性,并驗證了此檢測器集合的覆蓋率。
  3、在對可變模糊匹配陰性選擇算法深入研究的基礎(chǔ)上,用云模型理論解決免疫檢測算法中的不確定性問題,通過定義抗原類別屬性的云模型,用多個檢測器對同一個不確定性抗原x進行檢測,再用逆向云改進算法對檢測結(jié)果進行統(tǒng)計分析,聯(lián)合判斷抗原的屬性,并把云模型檢測算法運用到文本檢測以及C目標文件的檢測中,進行仿真驗證,提高檢測效率。
  4、為進一步提高檢測的效率以及準確度,

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論