题名 IGAPSO-ELM:一种网络安全态势预测模型
被引量：7
1
作者
唐延强 李成海 王坚 王亚男 曹波
机构
空军工程大学研究生院 空军工程大学防空反导学院
出处
《电光与控制》
CSCD
北大核心
2022年第2期30-35,共6页
基金
国家自然科学基金(61703426) 中国博士后科学基金(2018 M633680) 陕西省高校科协青年人才托举计划(20190108)。
文摘
针对网络安全态势预测,为提高预测的精确度和预测算法的收敛速度,提出一种改进遗传粒子群算法优化极限学习机(IGAPSO-ELM)的预测方法。首先,改进GAPSO中的惯性权重和学习因子,通过定义动态指数函数使算法在执行的不同阶段实现两种参数自适应;其次,针对GAPSO中人为设定的固定交叉率和变异率,提出一种自适应交叉和变异策略;最后,以IGAPSO优化ELM的初始权值和偏差。IGAPSO既保证了种群的多样性,又提高了算法的收敛速度。通过仿真实验对比得出:IGAPSO-ELM对网络安全态势预测拟合度可达0.99,收敛速度相较于对比算法有大幅度提升。
关键词
网络安全态势预测 遗传粒子群算法 极限学习机 自适应调整
Keywords
network security situation prediction genetic algorithm and particle swarm optimization (gapso )Extreme Learning Machine(ELM) adaptive adjustment
分类号
TP393.8
[自动化与计算机技术—计算机应用技术]
题名 基于改进LSTM算法的综合能源系统多元负荷预测
2
作者
闫照康 马刚 冯瑞 徐健玮 沈静文
机构
南京师范大学电气与自动化工程学院
出处
《分布式能源》
2024年第2期30-38,共9页
基金
江苏省重点研发计划(产业前瞻与关键核心技术)(BE2020081)。
文摘
准确预测短期多种能源负荷,是确保综合能源系统可靠、高效运行的必要前提。为此,提出了一种基于遗传粒子群混合优化(genetic algorithm particle swarm optimization,GAPSO)算法的卷积长短期记忆神经网络(convolutional neural network-long short-term memory,CNN-LSTM)综合能源系统多元负荷预测模型。首先,利用皮尔逊系数来描述各影响因素与负荷之间的相关性强弱。其次,采用GAPSO算法对长短期记忆(long short-term memory,LSTM)网络模型进行改进,然后构建卷积神经网络(convolutional neural networks,CNN)以提取小时级高阶特征,并通过改进后的LSTM网络模型对提取的隐含高阶特征进行分位数回归建模,构建了基于GAPSO-CNN-LSTM综合能源系统多元负荷预测模型。最后,以美国亚利桑那州立大学坦佩校区综合能源系统负荷数据为算例进行验证,结果表明:改进后的算法具有更好的收敛能力,模型具有更高的预测精度。
关键词
长短期记忆(LSTM) 卷积神经网络(CNN) 遗传粒子群混合优化(gapso )算法 综合能源系统 负荷预测
Keywords
long short-term memory(LSTM) convolutional neural networks(CNN) genetic algorithm particle swarm optimization (gapso )integrated energy systems load forecasting
分类号
TM71
[电气工程—电力系统及自动化]
题名 基于响应面法的磁悬浮开关磁阻电机优化设计
被引量：2
3
作者
邵淋晶 朱海浪 张巍
机构
南京工程学院电力工程学院
出处
《电气自动化》
2022年第1期3-6,共4页
文摘
为改善磁悬浮飞轮电机的悬浮和转矩性能,提出了一种单绕组磁悬浮开关磁阻电机(single winding bearingless switched reluctance machine,SWBSRM)结构优化设计方法。通过有限元分析,结合响应面法与遗传粒子群算法对电机结构参数作进一步优化。首先通过中心复合试验设计建立样本数据空间,建立电机平均悬浮力和转矩的响应面模型。并以提高转矩和悬浮输出为优化目标,采用遗传粒子群算法获取最优参数组合。有限元仿真结果表明,优化后的电机平均转矩和平均悬浮力分别提高了22.81%和141.04%,验证了基于响应面法和遗传粒子群算法的SWBSRM结构多目标优化设计的有效性。
关键词
飞轮储能 单绕组磁悬浮开关磁阻电机 响应面法 多目标优化 遗传粒子群算法
Keywords
flywheel energy storage single winding bearingless switched reluctance motor response surface method multi-objective optimization genetic algorithm particle swarm optimization (gapso )
分类号
TM352
[电气工程—电机]
题名 基于遗传粒群路径优化的网络拥塞控制方法
被引量：2
4
作者
孔金生 胡合伟 王娜娜
机构
郑州大学电气工程学院
出处
《计算机工程与应用》
CSCD
北大核心
2009年第15期144-146,共3页
基金
河南省杰出青年计划项目
文摘
将粒群和遗传算法相融合,提出了基于遗传粒群路径优化的网络拥塞控制方法,该方法在满足带宽、时延、费用多项QoS指标的条件下对负载进行路径优化,以负载均衡分布函数和资源消耗函数作为优化目标,旨在消耗尽可能少的网络资源的同时,也使网络负载的分布尽量均衡,从而避免网络拥塞。仿真结果表明该方法的有效性和可靠性。
关键词
遗传粒群算法 QOS路由 路径优化 网络拥塞控制
Keywords
genetic algorithm -particle swarm optimization （gapso ） QoS routing path optimization network congestion control
分类号
TP393
[自动化与计算机技术—计算机应用技术]
题名 基于遗传粒子群的图像融合算法及应用
5
作者
彭圣华
机构
盐城师范学院信息科学与技术学院
出处
《徐州师范大学学报（自然科学版）》
CAS
2010年第1期55-58,共4页
文摘
为改善传统图像融合方法对细节信息的丢失,提出了一种基于遗传粒子群算法(genetic algorithm of particleswarm optimization,GAPSO)的图像融合方法,该算法应用于像素级的图像融合,使图像融合问题归结为最优化问题.该算法结合遗传算法和粒子群算法的优点,对标准粒子群算法进行了改进,将交叉与变异算子引入到标准粒子群算法,提高了该算法的收敛性能和全局求解能力.实验结果表明,该算法获得的评价指标都优于遗传算法和PSO算法,且融合图像较好地从源图像中提取了有用信息,提高了融合质量.
关键词
遗传粒子群算法 像素 图像融合
Keywords
genetic algorithm of particle swarm optimization （gapso ） pixel image fusion
分类号
TP391
[自动化与计算机技术—计算机应用技术]
