您的位置: 专家智库 > >

刘兴阳

作品数:5 被引量:67H指数:3
供职机构:江南大学物联网工程学院轻工过程先进控制教育部重点实验室更多>>
发文基金:教育部重点实验室开放基金国家自然科学基金农业部淡水鱼类遗传育种和养殖生物学重点开放实验室开放基金更多>>
相关领域:自动化与计算机技术电气工程化学工程更多>>

文献类型

  • 5篇中文期刊文章

领域

  • 4篇自动化与计算...
  • 1篇化学工程
  • 1篇电气工程

主题

  • 3篇差分
  • 3篇差分进化
  • 2篇进化算法
  • 2篇改进差分进化
  • 2篇差分进化算法
  • 1篇电力
  • 1篇电力负荷
  • 1篇短期电力负荷
  • 1篇短期负荷预测
  • 1篇学习机
  • 1篇支持向量
  • 1篇支持向量机
  • 1篇搜索
  • 1篇群算法
  • 1篇子群
  • 1篇自适
  • 1篇自适应
  • 1篇自适应差分
  • 1篇自适应差分进...
  • 1篇最小二乘

机构

  • 5篇江南大学
  • 2篇中国水产科学...

作者

  • 5篇毛力
  • 5篇刘兴阳
  • 2篇沈明明
  • 1篇杨弘
  • 1篇李朝锋

传媒

  • 2篇计算机工程与...
  • 1篇计算机应用
  • 1篇计算机与应用...
  • 1篇电力系统保护...

年份

  • 1篇2013
  • 2篇2012
  • 2篇2011
5 条 记 录,以下是 1-5
排序方式:
融合改进差分进化思想的K-调和均值聚类被引量:1
2013年
针对K-调和均值聚类算法易陷入局部最优的缺点,提出了一种基于改进差分进化的K-调和均值聚类算法。该算法通过引入基于Logistic变尺度混沌搜索和指数递增交叉概率算子的差分进化算法来增强全局寻优能力。实验结果表明,该算法能够较好地克服K-调和均值算法的缺点,在保证收敛速度的同时增强了算法的全局搜索能力。
毛力刘兴阳沈明明杨弘
关键词:差分进化
融合K-调和均值和模拟退火粒子群的混合聚类算法被引量:4
2011年
针对K-调和均值和模拟退火粒子群聚类算法的优缺点,提出了1种融合K-调和均值和模拟退火粒子群的混合聚类算法。首先通过K-调和均值方法将粒子群分成若干个子群,每个粒子根据其个体极值和所在子种群的全局极值来更新位置。同时引入模拟退火思想,抑制了早期收敛,提高了计算精度。本文使用Iris、Zoo、Wine和Image Segmentation,4个数据库,以F-measure为评价聚类效果的标准,对混合聚类算法进行了验证。研究发现,该混合聚类算法可以有效地避免陷入局部最优,在保证收敛速度的同时增强了算法的全局搜索能力,明显改善了聚类效果。该算法目前已用于无锡一淡水养殖基地的水产健康养殖水质分析系统,运行效果良好。
毛力刘兴阳沈明明
关键词:模拟退火粒子群算法聚类
基于t分布变异的自适应差分进化算法被引量:5
2012年
为了更好地提高差分进化算法的全局探索和局部开发能力,提出了一种改进的差分进化算法。在该算法中,引入t分布变异算子将高斯变异和柯西变异的优点结合起来,根据以往的进化经验自适应地调整进化策略及交叉概率。通过四个典型的Benchmarks函数的测试结果表明算法具有良好的性能。
刘兴阳毛力
关键词:差分进化T分布
基于Laplace分布变异的改进差分进化算法被引量:3
2011年
为了提高差分进化算法(DEA)的收敛速度和寻优精度,提出了一种改进的差分进化算法。在该算法中,引入了基于Laplace分布的变异算子,并且能根据以往的进化经验自适应地调整进化策略及交叉概率以适应不同阶段的进化。通过5个典型Benchmark函数的测试结果表明,该算法的收敛速度快、求解精度高、鲁棒性较强,适合求解高维复杂的全局优化问题。
刘兴阳毛力
关键词:差分进化LAPLACE分布
基于改进极限学习机的短期电力负荷预测方法被引量:55
2012年
为了提高电力系统短期负荷预测精度,提出一种基于改进极限学习机(MELM)的短期电力负荷预测模型。引入基于结构风险最小化理论,并结合最小二乘向量机回归学习方法,以克服传统极限学习机(ELM)在短期负荷预测中存在的过拟合问题。某地区用电负荷预测结果表明,改进模型的泛化性与预测精度均优于传统ELM和OS-ELM模型,可为短期电力负荷预测提供有效依据,具有一定的实用性。
毛力王运涛刘兴阳李朝锋
关键词:短期负荷预测极限学习机最小二乘支持向量机
共1页<1>
聚类工具0