英语原文共 11 页，剩余内容已隐藏，支付完成后下载完整资料
人工智能及应用
Yudong Zhang, Saeed Balochian, Praveen Agarwal,
Vishal Bhatnagar, and Orwa Jaber Housheya
摘 要 人工智能使信息技术发生了革命性的变化。信息技术的新经济塑造了我们的生活方式。近年来，人工智能算法引起了研究人员的密切关注，并成功地应用于工程问题的求解。然而，对于大型复杂问题，由于搜索方法的随机性，人工智能算法消耗了大量的计算时间。因此，在现实应用中，在有限的资源、时间和金钱条件下，开发高效的求解算法是一个潜在的需求。本期特刊旨在报道人工智能技术各方面的最新进展，包括机器学习、数据挖掘、计算机视觉、多智能体系统、进化计算和模糊逻辑。
第一部分
在题为“用萤火虫算法和简化能量函数求解二维HP模型”的论文中，Y.Zhang等人。对传统的能量函数进行了研究，指出其离散性不能给下一步的搜索点指明方向，给优化算法带来了挑战。因此，他们引入了简化的能量函数，将传统的离散能量函数转化为连续能量函数。简化的能量函数表示所有疏水氨基酸对之间的距离。为了优化简化的能量函数，他们引入了最新的群体智能算法，萤火虫算法（FA）。实验以18-100个不同链长的14个序列为数据集，将FA与标准遗传算法和免疫遗传算法进行比较。每个算法运行20次。平均能量收敛结果表明，FA达到最小值。结果表明，利用FA和简化的能量函数求解二维HP模型是有效的。
在题目为“双支持向量机在无线传感器故障诊断中的应用”，M.Ding等。为了提高无线传感器的诊断精度，提出了一种基于双支持向量机（TSVM）的无线传感器故障诊断方法。双支持向量机是一种二值分类器，它利用两个非平行超平面代替传统支持向量机中的单超平面进行分类。然而，TSVM训练过程中的参数设置对分类精度有显著影响。他们的研究将PSO作为一种优化技术，同时优化TSVM训练参数。实验结果表明，双支持向量机对无线传感器的诊断效果优于支持向量机、神经网络。
在“多载波ABPSK系统专用冲击滤波器的设计”一文中，Z.Chen和L.Wu提出了推导级联陷波器参数的迭代方案。代价函数由级联陷波滤波器对冲击滤波器的影响决定，将代价函数的最小二乘问题转化为滤波器参数的标准二次规划问题。最后，实现了一种级联陷波SIF（CNSIF）解调ABPSK信号。
在“用于信用评分的权重选择属性包装”一文中，J.Li等人。提出了一种改进的属性包装方法-权重选择属性包装（WSAB），用于评估信用风险。首先利用线性支持向量机（LSVM）和主成分分析（PCA）等属性评价方法计算属性权重。然后根据属性的权重构造属性子集。对于每个属性子集，属性的权重越大，它们被选入属性子集的概率就越大。接下来，分别将训练样本和测试样本投影到每个属性子集上。然后根据每一组新产生的训练样本建立一个评分模型。最后，所有的评分模型都被用来为测试实例投票。由于消除了一些冗余和非信息性的属性，因此只使用选定属性的单个模型将更加精确。此外，通过概率选择属性的方法也可以保证评分模型的多样性。基于两个信用基准数据库的实验结果表明，该方法在预测精度和稳定性方面均优于同类方法。
论文题目为“一种基于独立成分分析的光伏组件表面缺陷检测新方法”，作者是张学良等。提出了一种基于独立分量分析（ICA）重构算法的光伏组件表面缺陷检测新方法。首先，使用一个无缺陷图像作为训练图像。将独立分量分析（ICA）应用于训练图像，得到了相应的分离矩阵和ic。然后，根据区间值对集成电路进行重新排序，并对除模矩阵进行了改造。利用改进后的分块矩阵对缺陷图像进行重构。得到的图像可以去除背景结构，增强局部异常。实验结果表明，该方法能有效地检测周期性图形表面缺陷的存在。
在题为“智能电网预测用粒子群优化Kalman学习神经模型”的论文中，A.Y.Alanis等人。讨论了一种新的神经网络结构训练算法，该算法应用于智能电网应用中的时间序列预测。提出的训练算法是基于粒子群算法（PSO）改进的扩展卡尔曼滤波器（EKF）来计算设计参数。采用基于EKF-PSO的神经网络权值更新算法。回归向量的大小由Cao方法确定。所提出的结构更有效地捕捉风速、发电量和电力负荷需求时间序列的复杂特性，这些特性在智能电网基准中不断受到监测。利用实际数据对模型进行训练和测试，以证明该方案的适用性。
在“基于小波的基于传感器数据调度控制的鲁棒相关向量机在虚拟环境下进行矿井瓦斯涌出预测建模”一文中，W.Ting等。提出了一种基于小波的鲁棒相关向量机的传感器数据调度控制方法，用于矿井瓦斯涌出预测。Morlet小波函数可以作为鲁棒相关向量机的核函数。本研究使用平均百分比误差来衡量所提出方法的效能。由于WRRVM模型的矿井瓦斯涌出预测平均误差小于1.5%，RVM模型的矿井瓦斯涌出预测平均误差大于2.5%，可见WRRVM模型的矿井瓦斯涌出预测精度优于RVM模型。
第二部分
在题为“基于在线学习的实用语音情感识别：从行为数据到启发数据”的论文中，C.Huang等人。基于在线学习的跨库语音情感识别研究。如何将基于行为数据训练的分类器应用于自然数据，如诱导数据，是当今语音情感识别系统面临的一个重大挑战。他们介绍了三种不同的数据源：一是从职业男女演员的表演语音中收集的基本语音情感数据集；二是包含大量说话人的独立说话人数据集；三是从认知任务中收集的启发性语音数据集。从情感话语中提取声学特征，利用最大信息系数（MIC）对其进行评价。设计了一种基于高斯混合模型的基线价和唤醒分类器。利用AdaBoost实现了在线培训模块。离线识别器在对动作数据进行训练的同时，在线测试数据包括说话人独立数据和诱发数据。实验结果表明，通过引入在线学习模块，语音情感识别系统能够更好地适应新数据，这是现实应用中的一个重要特征。
在这篇题为“基于2DPCA和ML的视觉目标跟踪”的论文中，m - x。Jiang 等 人 提出 一 个 新颖 的 视觉 物体 跟踪 算法 基于 二 维 分析 (2DPCA) 和 最大 似 然 估计 (MLE). principal 组件首先，将正则化引入到二维主元分析的重构中，提出了一种基于二维主元分析的迭代算法。其次，建立了稀疏约束MLE模型。将样本中的异常像素赋予较低的权值，以减少对跟踪算法的影响。利用贝叶斯极大后验概率估计方法获得目标跟踪结果。最后，为了进一步减少跟踪漂移，他们采用了一种结合增量子空间学习和误差矩阵的模板更新策略。Their 战略 调整 模板 的 外观 改变 目标 , 减少 堵塞 的 影响 目标 template 上述 种种与其他常用方法相比，该方法降低了计算复杂度，对异常变化具有很强的鲁棒性。对具有挑战性的图像序列进行定性和定量评估，结果表明该跟踪算法比现有的几种跟踪算法具有更好的跟踪性能。
在题为“0-1多维背包问题的人工蜂群算法与信息素通信机制的融合”的论文中，J.Ji等人。针对0-1多维背包问题（MKP 01），提出了一种新的人工蜂群算法。新的ABC算法引入了一种新的蜜蜂间通信机制，该机制基于蜜蜂产生的诱导信息素的更新和扩散。在大量的实验和比较中，他们的方法在较短的时间内获得了比没有机制的ABC算法更好的质量解。他们还将所提出方法的解与文献中最近报道的一些随机方法进行了比较。计算结果表明，新的ABC方法优于其它方法。
在另一篇论文中，Q.Zhu和L.-N.Wu提出了“基于加权比特翻转的LDPC码顺序调度译码算法”，为了提高算法的收敛速度，他们提出了一种基于加权比特翻转（WBF）算法的顺序调度算法。众所周知，WBF是一种低复杂度、简单的算法。他们将其与信念传播（BP）相结合，以获得这两种算法的优点。借用WBF中的翻转函数来确定调度的优先级。仿真结果表明，该算法能在短长低密度奇偶校验（LDPC）码的FER性能和计算复杂度之间进行很好的折衷。
在另一篇论文中，对A.Laudani等人的研究。“CFSO3：一种新的基于监督群的优化算法”，提出了一种群智能类中的优化启发式算法CFSO3，它基于连续群椋鸟优化的三个不同特征之间的协同作用。其中一个主要的创新点是，这个优化器不再是一个经典的数值算法，因为它现在可以看作是一个连续的动态系统，可以通过使用所有可用的数学工具来处理状态方程。此外，CFSO3允许从随机方法转移到有监督的确定方法，因为参数的随机更新是基于数值群优化算法的一个典型特征，现在完全被一种有监督的策略所取代：在CFSO3中，参数的调整是为获得勘探和开发而预先设计的。实际上，这种探索，即从局部极小值的逃逸，以及对解的收敛和求精，都可以通过管理CFSO状态方程的特征值来设计。实际上，在CFSO3中，群成员的位置和速度的初始值必须随机分配。本文介绍了CFSO3的标准版本和并行版本，以及对经典基准测试的验证。
在“适应度尺度自适应混沌粒子群优化UCAV路径规划”一文中，Y.Zhang等人。提出一种适应度标度自适应混沌粒子群优化（FAC-PSO）方法，作为一种快速、鲁棒的UCAV路径规划方法。粒子群算法采用适应度标度法、自适应参数机制和混沌理论。实验表明，FAC-PSO算法比具有迁移、模拟退火和混沌人工蜂群的精英遗传算法具有更强的鲁棒性和更少的时间开销。此外，FAC-PSO算法在威胁随机游动时的动态路径规划应用和三维路径规划应用中都取得了良好的效果。
在题为“基于快速亲和传播的网络半监督聚类”的论文中，M.Zhu等人。提出了一种基于快速亲合传播（SCAN-FAP）的半监督网络聚类算法，它实质上是一种相似度量学习方法。首先，结合结构信息和成对约束定义了一种新的约束相似性度量，反映了网络节点间的有效相似性。然后，以约束相似度为输入，提出了一种快速的关联传播算法，该算法既保留了原关联传播算法的优点，又通过只在特定节点间传递消息来提高时间效率。最后，通过大量的实验研究，证明该算法能够充分利用先验知识，显著提高聚类质量。此外，该算法的性能优于一些最新的方法。
在题为“虚拟企业生产计划优化研究”的论文中，M.Huang等人。建立了基于改进蚁群算法的伙伴选择模型，提出了虚拟企业全局调度和局部调度两层生产调度框架，并在此基础上给出了总生产时间最小的全局调度数学模型。针对虚拟企业生产调度的时间复杂性，提出了一种改进的遗传算法。实验结果验证了模型的优化和算法的有效性。
在“基于自适应遗传算法和特征显著性的铜带表面缺陷目标识别”一文中，X.Zhang等人。提出了一种基于自适应遗传算法和特征显著性的铜带表面缺陷目标识别方法。首先，利用灰度共生矩阵（GLCM）和HU不变矩进行特征提取。然后，对用于特征选择的自适应遗传算法进行了评价和讨论。在自适应遗传算法中，综合总错误率和虚警率计算适应度值，并根据适应度值动态调整交叉和变异概率。最后，根据特征显著性对所选特征进行优化，并将其输入到支持向量机（SVM）中。此外，为了进行比较，他们分别使用选择的最佳特征子序列（OFS）和总特征序列（TFS）进行实验。实验结果表明，该方法能保证分类的正确率，并能降低虚警率。
在题为“基于协同过滤的运动物体有趣活动发现”的论文中，G.Yuan等人。提出了一种基于协同过滤的兴趣活动发现方法。首先，综合计算对象活动的有趣程度。然后，结合新提出的混合协同过滤，可以计算出相似的对象，发现各种有趣的活动。最后，根据它们的相似目标，推荐潜在的活动。实验结果表明，该方法能有效地发现目标的兴趣活动。
在题为“基于差分进化优化算法的信号控制路网优化设计”的论文中，H.Ceylan提出了一种交通拥挤最小化模型，其中交通信号设置优化是通过组合仿真优化模型形成的。该模型将TRANSYT交通仿真软件与基于自然选择范式的差分进化（DE）优化算法相结合。在此背景下，均衡网络设计（EQND）问题被描述为一个双层规划问题，其中上层是网络性能指标的最小化。在较低层次上，利用路径流量估计器（PFE）作为随机的用户均衡评估，解决了代表道路用户路径选择行为的交通分配问题。双层EQND问题的求解是通过所提出的差分进化和TRANSYT，即所谓的DETRANSPFE模型，在一个著名的信号控制测试网络上进行的。将该模型的性能与已有的两个基于遗传算法（GAs）和协调搜索（HS）的模型求解EQND问题的结果进行了比较。结果表明，DETRANSPFE模型在网络性能指标和计算时间上均优于GA和HS模型。
在题为“基于小波核的原始双支持向量机经济发展预测”的论文中，F.Su和H.Shang提出了一种基于小波核的原始双支持向量机算法的经济发展预测方法。由于国内生产总值（GDP）是衡量经济发展的重要指标，本研究中的经济发展预测是指GDP预测。基于小波核的原始双支持向量机算法可以解决两个较小的二次规划问题，而不像传统的支持向量机算法那样求解一个较大的二次规划问题。利用安徽省1992-2009年的经济发展数据，研究了基于小波核的原始双支持向量机算法的预测性能。本文比较了基于小波核的原始双支持向量机模型和传统支持向量机模型在3-5维输入向量下的经济发展预测平均误差。测试结果表明，基于小波核的原始双支持向量机模型的经济发展预测精度优于传统的支持向量机模型。
在题为“机器人足球的后悔匹配多智能体强化学习”的论文中，Q.Liu等人。提出了一种基于后悔匹配的多智能体强化学习（MARL）算法Nash-Q，该算法利用后悔匹配加快了著名的MARL算法Nash-Q的学习速度。为了提高Nash-Q学习的在线学习能力，选择合适的行为选择策略来平衡探索与开发是非常重要的。在Markov博弈中，采用后悔匹配算法的agent的联合行为可以收敛到一组不后悔的点，这些点可以看作是粗相关均衡，本质上包含了Nash均衡。由此可以推断，遗憾匹配可以指导状态行为空间的探索，从而提高Nash-Q学习算法的收敛速度。对机器人足球的仿真结果表明，与原有的Nash-Q学习算法相比，在Nash-Q学习阶段使用后悔匹配具有良好的在线学习能力，在得分、平均奖励
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[410188]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
