-
题名基于KH-KELM的鸟类声音分类识别
被引量：2
- 1
-
-
作者
沈希忠
陈菱
-
机构
上海应用技术大学电气与电子工程学院
-
出处
《应用技术学报》
2023年第3期279-285,共7页
-
文摘
鸟鸣是鸟类生物学最重要的特征之一,鸟鸣特征参数的选取和鸟鸣分类提高精度是学者们一直研究的方向。基于鸟鸣识别技术提出基于磷虾群优化的核极限学习机(KH-KELM)分类模型:采用Mel频率倒谱系数(MFCC)对上海周边具有代表性的30种鸟类声音信号进行特征提取,提取出的特征参数用极限学习机(ELM)作为基础分类模型进行识别和分类,结合核函数思想优化基础模型并使用磷虾群算法(KHA)对训练参数优选,实现对鸟鸣信号的识别分类。为验证磷虾群算法优化的核极限学习机分类模型的分类效果和分类稳定性,对5、10、20和30种鸟类声音信号进行分类,测试结果表明,与极限学习机(ELM)、反向传播神经网络(BP)、支持向量机(SVM)和核极限学习机(KELM)分类模型对比,并与基于遗传算法(GA)、粒子群算法(PSO)和蚁群算法(ACO)优化的核极限学习机(KELM)模型对比,磷虾群算法优化的核极限学习机分类模型的分类识别率分别为99.65%、97.79%、94.48%和89.21%,具有最好的分类精度、分类稳定性和更强的泛化能力。
-
关键词
鸟鸣信号
MEL频率倒谱系数
核极限学习机
磷虾群算法
分类识别
-
Keywords
bird sound
Mel frequency cepstral coefficient(MFCC)
kernel extreme learning machine(KELM)
krill herd algorithm(kha)
classification and identification
-
分类号
TN911.73
[电子电信—通信与信息系统]
-
-
题名带有遗憾值约束的4PL网络设计鲁棒优化模型与仿真
被引量：2
- 2
-
-
作者
李佳
刘艳秋
张颖
岳笑含
-
机构
沈阳工业大学管理学院
沈阳工业大学理学院
沈阳工业大学信息科学与工程学院
-
出处
《系统管理学报》
CSSCI
CSCD
北大核心
2019年第1期185-191,共7页
-
基金
国家自然科学基金资助项目(70431003)
辽宁省科学技术计划资助项目(2013216015)
辽宁省高等学校优秀人才支持计划资助项目(LJQ2015081)
-
文摘
第四方物流(4PL)网络运作过程中常因外部环境的干扰而发生中断,使网络安全受到威胁。考虑中断状态下4PL网络鲁棒优化设计问题,目标是构建在任意中断状态发生时仍能以较低的成本为客户提供满意服务的4PL网络。基于β-鲁棒解的定义,建立了带有遗憾值约束的4PL网络设计鲁棒优化模型。针对问题的NP-hard特性,利用磷虾群算法(KHA)对模型进行求解,并与人工鱼群算法(AFSA)进行了比较,通过仿真实例对算法的可行性和有效性进行了验证。仿真结果表明,KHA的性能优于经典的AFSA。通过对不同遗憾值β约束下4PL网络设计最佳方案的比较分析,验证了利用鲁棒优化模型设计4PL网络能够较好地规避风险,并达到最大限度节约成本的目的。
-
关键词
第四方物流(4PL)
网络设计
鲁棒优化
磷虾群算法
人工鱼群算法
-
Keywords
fourth party logistics (4PL)
network design
robust optimization
krill herd algorithm (kha)
artificial fish swarm algorithm (AFSA)
-
分类号
C939
[经济管理—管理学]
-
