收藏本站
《浙江大学》 2003年
收藏 | 手机打开
二维码
手机客户端打开本文

优生演进优化和统计学习建模

宋晓峰  
【摘要】: 科学技术的发展使人们对客观世界不断要求更为深入的认识,然而在许多领域,如化学化工、生物医学等,仍有许多对象的内在机理暂时还难以为人们所了解,但人们仍迫切需要了解和研究它们的自变量和因变量间的定量关系。这时,根据采集研究对象的观测数据建立模型,用以对自变量和因变量之间的定量关系作出预测,是科学工作者重要的基础性工作之一。 数学模型是对客观对象活动规律的一种定量描述,是表述对象行为和性能的一种重要形式。建模方法涉及到最优化方法、数理统计、人工智能、模式识别、机器学习、神经网络等多方面的理论和方法。本文首先回顾了现行的建模方法。由于优化方法在建模中有相当重要的作用,因此,接着对具有全局寻优性能的遗传算法进行了较为深入的研究,提出了基于优生演进策略的遗传算法(EGA),使寻优性能有较大的提高,并成功应用于化工领域中重油热解模型参数的估计。所提EGA方法为随后的支持向量机参数优化打下了良好的基础。本文紧接着还对统计学习理论(SLT)和支持向量机(SVM)技术进行了较为详细的讨论,这是对神经网络方法发展到目前的一种新的突破,在多个方面显示出良好的性能。本文在基于观测数据的统计学习建模方法上提出了一些新思想、新方法。以下是本文的主要研究成果。 (1)针对简单遗传算法容易早熟,全局寻优效率偏低等缺点,提出了一种优生演进策略,在演进过程中获取种群繁衍的有用信息,自适应地改善子代个体的分布,适时地引入确定性寻优操作,以改进常规遗传算法的性能。提出的相应技术包括:采集种群多样性指标用以调整变异概率;改进交叉算子,避免子代收缩,并提高其适应度;新增Powell寻优算子,加速局部搜索。测试实例表明优生演进策略和相关技术收到了较好的效果。本文还将基于优进策略的遗传算法(EGA)成功地应用于重油热解三集总反应动力学模型的参数估计,效果良好。EGA是适用于模型中参数优化的一种有效方法。 (2)支持向量机采用了结构风险最小化(SRM)原则,用于模式分类已表现出优良的性能,但在观测数据中存在复共线性时,其分类效果就有所降低。因此,为了充分利用支持向量机良好的分类能力,使之能处理存在复杂相关关系的观测数据,给出了结合分类相关成分分析(CCA)的支持向量机建立分类模型的方法(CCA-SVM),又利用本文第三章所提出的EGA算法优化分类相关成分数及支持向量机参数。然后将其成功地应用在建立留兰香的分类器模型上,它的训练与预 浙江大学博士学位论文 测分类精度比SVM方法、分类相关成分分析一自组织映射网(CCA一SOM)方 法都有明显提高。所提出的CCA一SVM方法可有效的建立高维复杂模式分类器。 (3)支持向量机(SVM)的参数对其回归估计性能有很大影响。在分析这种 影响的基础上,导出了参数调整的自适应算法,由此构成自适应支持向量机 (A一SVM)。它采用结构风险最小原则,又能自动确定最优参数,其回归估计函 数有良好的预测能力。并成功地为延迟焦化反应焦炭产率建模。与径向基网一偏 最小二乘(RBFN一PLSR)方法相比,A一SVM方法的拟合精度和预测能力均有明 显的提高。 (4)通过对现行的支持向量机(SVM)回归估计性能的分析,确定核函数及 其参数和惩罚因子等是影响回归估计性能的重要因素。针对定义域各分区间内样 本数据的噪声强度不同,以及在局部范围内数据变化急剧等复杂情况,本文提出 了结构可调的支持向量回归估计(AS一SVM)方法,包括采用不同的损失函数,对 各数据点自适应地选用不同的参数等。推导了求解公式,给出了调整算法。实例 测试表明,AS一SVM方法的建模效果优于常规方法。 总之,论文对基于观测数据统计学习建模方法及与之有关的优化方法进行了 较为全面深入的分析和探讨,通过深入研究目前该领域中最新发展起来的统计学 习理论和支持向量机技术,提出了多种能够提高建模效果的新方法,为化学化工 对象等许多领域的建模提供了新途径。论文最后对所做的工作进行了总结,并提 出了进一步研究的方向。
【学位授予单位】:浙江大学
【学位级别】:博士
【学位授予年份】:2003
【分类号】:TP181

【引证文献】
中国期刊全文数据库 前1条
1 沈明华;肖怀铁;付强;;高分辨距离像识别中支持向量机分类技术研究[J];现代雷达;2008年09期
中国博士学位论文全文数据库 前6条
1 权凌霄;参数可变液压蓄能器研究[D];燕山大学;2010年
2 陈霄;DNA遗传算法及应用研究[D];浙江大学;2010年
3 李秀喜;基于GEP的过程监测和化工过程安全运行智能辅助系统研究与开发[D];华南理工大学;2009年
4 王莉;电励磁双凸极电机高压直流发电系统研究[D];南京航空航天大学;2006年
5 陶少辉;最小二乘支持向量机的改进及其在化学化工中的应用[D];浙江大学;2006年
6 程志刚;连续蚁群优化算法的研究及其化工应用[D];浙江大学;2005年
中国硕士学位论文全文数据库 前6条
1 夏燕玲;DNA遗传算法及其在流程工业中的应用研究[D];浙江工业大学;2013年
2 戴侃;DNA遗传算法及在化工过程中的应用[D];浙江大学;2012年
3 董跃华;HSAEA算法的研究及其在过程建模中的应用[D];华东理工大学;2012年
4 李娟;混合DNA遗传算法及在MTSP问题中的应用[D];辽宁科技大学;2012年
5 李飞;改进的AEA算法及其在过程建模中的应用[D];华东理工大学;2011年
6 李悦卿;基于神经网络和最小二乘支持向量机的软测量技术应用研究[D];青岛科技大学;2007年
【参考文献】
中国期刊全文数据库 前10条
1 宋晓峰;陈德钊;俞欢军;胡上序;;支持向量机中优化算法[J];计算机科学;2003年03期
2 张磊,林福宗,张钹;基于支持向量机的相关反馈图像检索算法[J];清华大学学报(自然科学版);2002年01期
3 阎辉,张学工,李衍达;支持向量机与最小二乘法的关系研究[J];清华大学学报(自然科学版);2001年09期
4 陈翀伟,陈德钊,叶向群,胡上序;基于先验知识的前馈网络对原油实沸点蒸馏曲线的仿真[J];高校化学工程学报;2001年04期
5 褚小立,袁洪福,王艳斌,陆婉珍;遗传算法用于偏最小二乘方法建模中的变量筛选[J];分析化学;2001年04期
6 林丹,李敏强,寇纪凇;基于遗传算法求解约束优化问题的一种算法[J];软件学报;2001年04期
7 熊仲宇,丁运亮;确定性的遗传算法[J];南京航空航天大学学报;2001年01期
8 于歆杰;王赞基;;对适应值共享遗传算法的分类及评价[J];模式识别与人工智能;2001年01期
9 李兵,谢剑英;遗传算法的自适应代沟的替代策略研究[J];控制理论与应用;2001年01期
10 许明辉,高成修,于刚;一种克服遗传算法早熟的参数调整及并行方法[J];武汉大学学报(理学版);2001年01期
【共引文献】
中国期刊全文数据库 前10条
1 侯文佐;逯志宇;王大鸣;;联合瞬时姿态估计的可见光成像定位技术[J];太赫兹科学与电子信息学报;2017年05期
2 曹惠玲;王新;;基于SVM的放气活门调节模型多元回归分析[J];中国民航大学学报;2017年05期
3 步红丽;李永华;;混合SPSS-PSO-SVM模型在电厂NO_x排放预测中的应用[J];电力科学与工程;2017年07期
4 张节;沈建新;田威;;基于工艺特征约束的改进遗传算法[J];计算机系统应用;2017年07期
5 叶彬;罗金良;;改进FGA算法及其在四杆机构优化设计中的应用[J];机械传动;2017年07期
6 周光辉;傅祥璟;;低碳制造环境下车间有限刀具多目标调度研究[J];西安交通大学学报;2017年10期
7 骆旗;付苗苗;;浅析数学建模中的智能优化算法[J];科技经济导刊;2017年16期
8 张青;颜学峰;;融合概率分布和单调性的支持向量回归算法[J];控制理论与应用;2017年05期
9 欧阳爱国;黄志鸿;刘燕德;;近红外光谱法对甲醇柴油中甲醇含量测定[J];光谱学与光谱分析;2017年04期
10 张杰;冯民权;王钰;;基于改进遗传算法的水库群水质水量优化调度研究[J];中国农村水利水电;2017年02期
【同被引文献】
中国博士学位论文全文数据库 前10条
1 陈智华;基于DNA计算自组装模型的若干密码问题研究[D];华中科技大学;2009年
2 李宏;求解几类复杂优化问题的进化算法及其应用[D];西安电子科技大学;2009年
3 张敏;约束优化和多目标优化的进化算法研究[D];中国科学技术大学;2008年
4 綦守荣;中储式钢球磨制粉系统的建模与优化控制研究[D];华北电力大学(河北);2008年
5 朱耀春;基于基因表达式编程技术的非线性系统辨识研究[D];华北电力大学(北京);2008年
6 张顶学;遗传算法与粒子群算法的改进及应用[D];华中科技大学;2007年
7 唐墨;新型模糊混沌神经网络模型及特性研究[D];哈尔滨工程大学;2008年
8 陶吉利;基于DNA计算的遗传算法及应用研究[D];浙江大学;2007年
9 张日东;非线性预测控制及应用研究[D];浙江大学;2007年
10 苏成利;非线性模型预测控制的若干问题研究[D];浙江大学;2006年
中国硕士学位论文全文数据库 前5条
1 戴侃;DNA遗传算法及在化工过程中的应用[D];浙江大学;2012年
2 付杰;受膜计算启发的优化算法研究[D];浙江大学;2010年
3 张振翮;基于DNA计算和遗传算法的多用户检测技术研究[D];电子科技大学;2008年
4 刘勇;基于DNA-GA的最早截止期限优先调度算法优化[D];太原理工大学;2007年
5 曹毅;基于遗传算法的模糊图像复原方法研究[D];东北师范大学;2004年
【二级引证文献】
中国期刊全文数据库 前1条
1 肖永生;黄丽贞;朱劼昊;周建江;;最大间隔核优化的雷达目标识别新方法[J];信号处理;2014年07期
中国博士学位论文全文数据库 前10条
1 董朋鹏;全液压露天采煤机截割机构工作特性研究[D];浙江大学;2016年
2 霍瑛;云计算环境下服务组合技术研究[D];南京航空航天大学;2016年
3 李佳;具有可靠性要求的第四方物流系统网络设计与优化研究[D];沈阳工业大学;2016年
4 李叶林;重型液压凿岩机冲击系统与双缓冲系统耦合研究[D];北京科技大学;2016年
5 彭建刚;基于多目标的虚拟制造单元运行优化方法研究[D];合肥工业大学;2016年
6 孟增;结构可靠度优化设计的高效稳健算法研究[D];大连理工大学;2015年
7 王媛彬;基于图像特征的煤矿火灾检测与识别研究[D];西安科技大学;2015年
8 董晗;并联式液压混合动力车辆结构方案与能量控制研究[D];吉林大学;2015年
9 冯景昌;60MN水压机油控水系统控制特性研究[D];燕山大学;2015年
10 康浩博;五自由度上肢康复训练机器人系统控制方法研究[D];东北大学;2015年
中国硕士学位论文全文数据库 前10条
1 侯彩萍;基于组织型P系统的DNA-GA算法研究及其在聚类中的应用[D];山东师范大学;2017年
2 王惠;DNA人工鱼群优化盲均衡算法及CCS软件实现[D];南京信息工程大学;2016年
3 张琦;基于电等效模型的建筑冷热负荷预测建模研究[D];重庆大学;2016年
4 张冰龙;基于自适应双链DNA遗传优化的盲均衡算法[D];南京信息工程大学;2015年
5 吕慧珍;DNA遗传算法及其在燃料电池中的应用研究[D];浙江工业大学;2015年
6 薛亚娣;改进的人工鱼群算法及其应用研究[D];兰州大学;2015年
7 吴浩;DNA遗传算法在表面贴装生产线负荷均衡中的应用研究[D];成都理工大学;2014年
8 赵淑国;基于P系统的DNA遗传算法研究及应用[D];山东师范大学;2014年
9 夏燕玲;DNA遗传算法及其在流程工业中的应用研究[D];浙江工业大学;2013年
10 闻玉刚;混合DNA遗传算法及其在组合优化中的应用[D];辽宁科技大学;2013年
【二级参考文献】
中国期刊全文数据库 前7条
1 郭明,陈前德,刘文杰,许禄;有机物气相色谱法中光离子化灵敏度的定量结构与性质相关性研究[J];分析化学;2000年01期
2 章元,朱尔一,庄峙厦,王小如;遗传算法用于变量筛选[J];高等学校化学学报;1999年09期
3 刘嘉,邓勃;遗传算法用于铅的化学形态模拟计算[J];分析化学;1997年07期
4 蔡文生,邵学广,赵贵文,张懋森;遗传算法及其在分析化学中的应用[J];分析化学;1997年02期
5 李通化,张众杰,朱仲良,丁林,李光盛;用数值遗传算法计算配合物的稳定常数[J];高等学校化学学报;1995年03期
6 朱尔一,杨芃原,邓志威,黄本立;正交递归选择法及其应用[J];高等学校化学学报;1993年11期
7 胡上序;石油馏份汽液平衡计算的样条函数方法初探[J];华东石油学院学报;1983年01期
【相似文献】
中国期刊全文数据库 前10条
1 王兴成,郑紫微,贾欣乐;模糊遗传算法及其应用研究[J];计算技术与自动化;2000年02期
2 吴瑞镛,徐大纹;具有年龄结构的遗传算法[J];桂林电子工业学院学报;2001年04期
3 杨艳丽,史维祥;一种新的优化算法—遗传算法的设计[J];液压气动与密封;2001年02期
4 杨宜康,李雪,彭勤科,黄永宣;具有年龄结构的遗传算法[J];计算机工程与应用;2002年11期
5 谷峰,吴勇,唐俊;遗传算法的改进[J];微机发展;2003年06期
6 ;遗传算法[J];计算机教育;2004年10期
7 赵义红,李正文,何其四;生物信息处理系统遗传算法探讨[J];成都理工大学学报(自然科学版);2004年05期
8 刘坤,刘伟波,吴忠强;基于模糊遗传算法的电液位置伺服系统控制[J];黑龙江科技学院学报;2005年04期
9 张英俐,刘弘 ,马金刚;遗传算法作曲系统研究[J];信息技术与信息化;2005年05期
10 丁发智;;浅谈遗传算法[J];乌鲁木齐成人教育学院学报;2005年04期
中国重要会议论文全文数据库 前10条
1 陈家照;廖海涛;张中位;罗寅生;;一种改进的遗传算法及其在路径规划中的应用[A];2009系统仿真技术及其应用学术会议论文集[C];2009年
2 李国云;刘颖;薛梅;邬志敏;;遗传算法在高温空冷冷凝器优化设计中的应用[A];第五届全国制冷空调新技术研讨会论文集[C];2008年
3 王志军;李守春;张爽;;改进的遗传算法在反演问题中的应用[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展(上册)[C];2001年
4 任燕翔;姜立;刘连民;从滋庆;;改进遗传算法在三维日照方案优化中的应用[A];工程三维模型与虚拟现实表现——第二届工程建设计算机应用创新论坛论文集[C];2009年
5 韩娟;;遗传算法概述[A];第三届河南省汽车工程科技学术研讨会论文集[C];2006年
6 庞国仲;王元西;;基于遗传算法控制步长的定性仿真方法[A];'2000系统仿真技术及其应用学术交流会论文集[C];2000年
7 张忠华;杨淑莹;;基于遗传算法的聚类设计[A];全国第二届信号处理与应用学术会议专刊[C];2008年
8 何翠红;区益善;;遗传算法及其在计算机编程中的应用[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集(下册)[C];1995年
9 靳开岩;张乃尧;;几种实用遗传算法及其比较[A];1996年中国智能自动化学术会议论文集(下册)[C];1996年
10 王宏刚;曾建潮;李志宏;;摄动遗传算法[A];1996年中国智能自动化学术会议论文集(下册)[C];1996年
中国重要报纸全文数据库 前1条
1 林京;《神经网络和遗传算法在水科学领域的应用》将面市[N];中国水利报;2002年
中国博士学位论文全文数据库 前10条
1 Amjad Mahmood;半监督进化集成及其在网络视频分类中的应用[D];西南交通大学;2015年
2 李险峰;基于改进遗传算法的汽车装配生产线平衡问题研究[D];北京科技大学;2017年
3 孙秋红;基于遗传算法的水质数据挖掘与应用研究[D];燕山大学;2016年
4 周辉仁;递阶遗传算法理论及其应用研究[D];天津大学;2008年
5 郝国生;交互式遗传算法中用户的认知规律及其应用[D];中国矿业大学;2009年
6 侯格贤;遗传算法及其在跟踪系统中的应用研究[D];西安电子科技大学;1998年
7 马国田;遗传算法及其在电磁工程中的应用[D];西安电子科技大学;1998年
8 唐文艳;结构优化中的遗传算法研究和应用[D];大连理工大学;2002年
9 周激流;遗传算法理论及其在水问题中应用的研究[D];四川大学;2000年
10 刘冀成;基于改进遗传算法的生物电磁成像与磁场聚焦应用研究[D];四川大学;2005年
中国硕士学位论文全文数据库 前10条
1 王晓慧;高中生数学建模水平的现状研究[D];青岛大学;2017年
2 张英俐;基于遗传算法的作曲系统研究[D];山东师范大学;2006年
3 钟海萍;原对偶遗传算法与蚁群算法的一种融合算法[D];暨南大学;2013年
4 李志添;模糊遗传算法与资源优化配置的预测控制[D];华南理工大学;2015年
5 王琳琳;新型双层液压轿运车车厢的设计研究[D];上海工程技术大学;2015年
6 李海全;基于遗传算法的建筑体形系数及迎风面积比优化方法研究[D];华南理工大学;2015年
7 彭骞;基于遗传算法的山区高等级公路纵断面智能优化方法研究[D];昆明理工大学;2015年
8 周玉林;基于小波分析和遗传算法的配电网故障检测[D];昆明理工大学;2015年
9 郭颂;基于粗糙集和遗传算法的数字管道生产管理系统研究[D];昆明理工大学;2015年
10 吴南;数值逼近遗传算法的研究应用[D];华南理工大学;2015年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026