文档名：基于粗集理论和混沌PSO的多像机组网优化
多像机组网网络设计具有多参数、多约束、运算最大等特点,在理论上是一个复杂的优化策略问题,寻找它的绝对精确最优解通常需要非常大的运算量,因此在实现时必须考虑算法的效能.本文利用基于粗糙集的启发式属性约简算法获得特征属性的约简,在此基础上,再利用改进的支持向量机对约简信息进行预测.为了获得最优的预测精度,同时,采用混沌粒子群优化(PSO)防止SVM的预测模型的局部优化,可以使预测率显著提高.分析结果表明,该方法可以提取测试数据的基本规则,与单独SVM方法相比,减少预测误差0.42％以上.
作者：曾祥进陈建刘柯王海晖
作者单位：武汉工程大学计算机科学与工程学院,湖北武汉,430205
母体文献：第十二届中国智能机器人大会论文集
会议名称：第十二届中国智能机器人大会
会议时间：2017年10月1日
会议地点：哈尔滨
主办单位：中国人工智能学会
语种：chi
分类号：
关键词：自动生产线 多像机组网 混沌粒子群优化算法 支持向量机
在线出版日期：2020年10月26日
基金项目：
相似文献
相关博文
- 文件大小:
- 739.78 KB
- 下载次数:
- 60
-
高速下载
|
|
