混合智能計(jì)算方法及其應(yīng)用.pdf

1、該論文主要以機(jī)器學(xué)習(xí)的兩個(gè)基本問題——模式識(shí)別和函數(shù)逼近為背景,對(duì)基于神經(jīng)網(wǎng)絡(luò)、模糊邏輯、進(jìn)化算法、免疫算法、量子算法、基于核的學(xué)習(xí)機(jī)等軟計(jì)算方法的若干混合智能計(jì)算方法進(jìn)行了研究,并將這些混合方法應(yīng)用于圖像處理、目標(biāo)識(shí)別以及系統(tǒng)辨識(shí)等具體問題中.主要工作概括如下:1.首先以求解一些NP問題,如TSP問題為例,討論了運(yùn)行在量子計(jì)算機(jī)上的量子搜索算法和運(yùn)行在經(jīng)典計(jì)算機(jī)上的進(jìn)化搜索算法之間的本質(zhì)區(qū)別.接著以背包問題為例,定性分析了通過這兩種搜

2、索算法之間的結(jié)合而形成的量子驅(qū)動(dòng)的進(jìn)化算法(簡(jiǎn)稱量子進(jìn)化算法)的特性.2.提出一種自適應(yīng)免疫進(jìn)化算法,并用于圖像的分割.3.將免疫算子的概念結(jié)合到量子進(jìn)化算法中,提出一種免疫量子進(jìn)化算法.4.基于小波變換和進(jìn)化神經(jīng)網(wǎng)絡(luò)提出一種混合的雷達(dá)—維距離像的目標(biāo)識(shí)別方法.該算法能同時(shí)優(yōu)化網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和連接權(quán)值,并且由于其全局搜索能力,可以避免結(jié)構(gòu)的局部最小.5.研究了基于核的學(xué)習(xí)算法進(jìn)行目標(biāo)識(shí)別的方法,該方法把無監(jiān)督學(xué)習(xí)(基于核的主分量分析算法

3、的特征提取)和有監(jiān)督學(xué)習(xí)(基于近似支撐矢量機(jī)的分類)結(jié)合起來.核的主分量分析算法可以有效地提取出目標(biāo)中的非線性特征;而近似支撐矢量機(jī)作為一種新型的支撐矢量機(jī),不需要求解二次規(guī)劃問題,只需對(duì)一個(gè)簡(jiǎn)單的線性方程系統(tǒng)求解,可以快速地對(duì)目標(biāo)進(jìn)行分類.該方法應(yīng)用于雷達(dá)目標(biāo)一維像的識(shí)別時(shí),其正確識(shí)別率與標(biāo)準(zhǔn)支撐矢量機(jī)相當(dāng),但在計(jì)算速度上卻有很大的提高,并對(duì)噪聲具有較好的抑制作用.6.提出了兩種非線性系統(tǒng)的混合辨識(shí)方法.第一種方法方法首先在結(jié)構(gòu)辨識(shí)中