本文關鍵詞： 粒子群 精英 相交基學習 重構初始化 神經網絡 出入境貨物風險評價　出處：《北京林業(yè)大學》2015年碩士論文　論文類型：學位論文

【摘要】：隨著經濟貿易的快速發(fā)展,貿易量的大幅增加給出入境貨物抽檢帶來挑戰(zhàn),原先采取的人工均勻隨機布控抽檢耗費人力物力,且不能有效甄別出不合格產品�？紤]到布控抽檢所要求的更高速度、更高精準度,給出出入境貨物風險評價系統(tǒng)以實現(xiàn)智能化抽檢。作者提出基于相交基學習的重構型精英粒子群算法訓練神經網絡以優(yōu)化出入境貨物系統(tǒng)的風險評價精準度。作者以粒子群算法為研究對象,提出基于相交基學習的重構型精英集粒子群算法,作為核心訓練神經網絡,從而實現(xiàn)并且優(yōu)化出入境貨物系統(tǒng)中對出入境貨物的風險評價、預測,以滿足出入境貨物系統(tǒng)中對出入境貨物抽檢的智能化需求。該文提出三種改進策略,包括：通過對生物種群中精英群體的數(shù)學仿生,給出粒子群算法關鍵參數(shù)個體學習、社會分享系數(shù)的動態(tài)調整策略；為克服算法因陷入局部最優(yōu)而停滯的問題引入重構概念；通過引入相交基學習算法用于粒子群算法的初始化,以防止因隨機初始化而導致的不穩(wěn)定問題。該文選取了不同學習拓撲結構的三種改進粒子群算法,與所提出基于相交基學習的重構型精英集粒子群算法進行比對研究：包括其收斂速度、魯棒性、穩(wěn)定區(qū)域。最后對出入境貨物風險問題及系統(tǒng)框架進行闡述并利用基于相交基學習的重構型精英集粒子群算法訓練神經網絡,與其他三種神經網絡進行系統(tǒng)比對試驗,證實其在出入境貨物風險評價中的可行性及更優(yōu)精準度。
[Abstract]:With the rapid development of economy and trade, the large increase of trade volume brings challenges to the inspection of inbound and outbound goods. And can not effectively identify substandard products. Considering the higher speed and higher precision required by the sampling inspection of cloth control. This paper presents a risk assessment system for inbound and outbound cargo to realize intelligent random check. The author proposes a reconfigurable elite particle swarm optimization algorithm based on intersecting basis learning to train neural network to optimize the accuracy of risk evaluation in the cargo system. Particle Swarm Optimization (PSO) is the object of study. A reconfigurable elite particle swarm optimization algorithm based on intersecting basis learning is proposed to train neural network as the core to realize and optimize the risk evaluation and prediction of entry and exit cargo in the system of entry and exit cargo. In order to meet the intelligent demand of the immigration and entry cargo system, this paper puts forward three improved strategies, including the mathematical bionics of the elite group in the biological population. The key parameters of particle swarm optimization (PSO), individual learning and social sharing coefficient, are dynamically adjusted. The concept of reconstruction is introduced to overcome the stagnation of the algorithm due to local optimization. In order to prevent the instability caused by random initialization, three kinds of improved particle swarm optimization (PSO) algorithms with different learning topologies are selected by introducing intersecting basis learning algorithm to initialize particle swarm optimization (PSO). Compared with the proposed reconfigurable elite particle swarm optimization algorithm based on intersecting basis learning, including its convergence speed and robustness. Finally, the risk problem and system framework of inbound and outbound cargo are expounded, and the neural network is trained by the reconstructed elite particle swarm optimization algorithm based on intersecting basis learning. Compared with the other three neural networks, the feasibility and better accuracy of the neural network in the risk assessment of inbound and outbound cargo are verified.
【學位授予單位】：北京林業(yè)大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：F752.5;TP18

【相似文獻】

相關期刊論文 前10條

1 張曉明;王儒敬;;一種帶逆反的粒子群算法[J];計算機科學;2006年10期

2 柳伯超;秦茂玲;劉弘;;改進粒子群算法在貨物裝載中的應用[J];信息技術與信息化;2006年05期

3 吳軍;李為吉;;改進的粒子群算法及在結構優(yōu)化中的應用[J];陜西理工學院學報(自然科學版);2006年04期

4 鄧偉林;胡桂武;;粒子群算法研究與展望[J];現(xiàn)代計算機;2006年11期

5 陳健;劉同玉;;混合區(qū)間粒子群算法[J];系統(tǒng)工程理論方法應用;2006年06期

6 王芳;雷開友;邱玉輝;;一種粒子群算法的多樣性策略研究[J];計算機科學;2006年01期

7 車林仙;;基于粒子群算法的混沌系統(tǒng)快速控制[J];瀘州職業(yè)技術學院學報;2006年03期

8 單汨源;吳娟;吳亮紅;劉瓊;;基于改進粒子群算法的資源受限項目進度研究[J];計算機工程與應用;2007年15期

9 童楠;符強;;一種域自適應型的粒子群算法[J];計算機與現(xiàn)代化;2007年05期

10 楊瑩;;改進的混合粒子群算法[J];煤炭技術;2007年05期

相關會議論文 前10條

1 朱童;李小凡;魯明文;;位置加權的改進粒子群算法[A];中國科學院地質與地球物理研究所第11屆（2011年度）學術年會論文集(上)[C];2012年

2 陳定;何炳發(fā);;一種新的二進制粒子群算法在稀疏陣列綜合中的應用[A];2009年全國天線年會論文集（上）[C];2009年

3 陳龍祥;蔡國平;;基于粒子群算法的時滯動力學系統(tǒng)的時滯辨識[A];第十二屆全國非線性振動暨第九屆全國非線性動力學和運動穩(wěn)定性學術會議論文集[C];2009年

4 于穎;李永生;於孝春;;新型離散粒子群算法在波紋管優(yōu)化設計中的應用[A];第十一屆全國膨脹節(jié)學術會議膨脹節(jié)設計、制造和應用技術論文選集[C];2010年

5 劉卓倩;顧幸生;;一種基于信息熵的改進粒子群算法[A];系統(tǒng)仿真技術及其應用（第7卷）——'2005系統(tǒng)仿真技術及其應用學術交流會論文選編[C];2005年

6 熊偉麗;徐保國;;粒子群算法在支持向量機參數(shù)選擇優(yōu)化中的應用研究[A];2007中國控制與決策學術年會論文集[C];2007年

7 方衛(wèi)華;徐蘭玉;陳允平;;改進粒子群算法在大壩力學參數(shù)分區(qū)反演中的應用[A];2012年中國水力發(fā)電工程學會大壩安全監(jiān)測專委會年會暨學術交流會論文集[C];2012年

8 熊偉麗;徐保國;;單個粒子收斂中心隨機攝動的粒子群算法[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

9 馬向陽;陳琦;;以粒子群算法求解買賣雙方存貨主從對策[A];第十二屆中國管理科學學術年會論文集[C];2010年

10 趙磊;;基于粒子群算法求解多目標函數(shù)優(yōu)化問題[A];第二十一屆中國（天津）’2007IT、網絡、信息技術、電子、儀器儀表創(chuàng)新學術會議論文集[C];2007年

相關博士學位論文 前10條

1 王芳;粒子群算法的研究[D];西南大學;2006年

2 安鎮(zhèn)宙;家庭粒子群算法及其奇偶性與收斂性分析[D];云南大學;2012年

3 劉建華;粒子群算法的基本理論及其改進研究[D];中南大學;2009年

4 黃平;粒子群算法改進及其在電力系統(tǒng)的應用[D];華南理工大學;2012年

5 胡成玉;面向動態(tài)環(huán)境的粒子群算法研究[D];華中科技大學;2010年

6 張靜;基于混合離散粒子群算法的柔性作業(yè)車間調度問題研究[D];浙江工業(yè)大學;2014年

7 張寶;粒子群算法及其在衛(wèi)星艙布局中的應用研究[D];大連理工大學;2007年

8 劉宏達;粒子群算法的研究及其在船舶工程中的應用[D];哈爾濱工程大學;2008年

9 楊輕云;約束滿足問題與調度問題中離散粒子群算法研究[D];吉林大學;2006年

10 馮琳;改進多目標粒子群算法的研究及其在電弧爐供電曲線優(yōu)化中的應用[D];東北大學;2013年

相關碩士學位論文 前10條

1 張?zhí)m;量子粒子群算法及其應用[D];西北大學;2010年

2 隨聰慧;粒子群算法的改進方法研究[D];西南交通大學;2010年

3 董銀麗;一種新的交叉粒子群算法及其應用[D];西安電子科技大學;2006年

4 馬楠楠;基于粒子群算法的化工過程優(yōu)化及其應用[D];北京化工大學;2008年

5 徐青鶴;改進粒子群算法及其應用研究[D];杭州電子科技大學;2009年

6 郭香軍;粒子群算法的改進研究[D];燕山大學;2012年

7 鐘帥;基于粒子群算法的微博用戶影響力研究[D];華中科技大學;2012年

8 方群;多目標拆卸線平衡問題的改進粒子群算法研究[D];西南交通大學;2014年

9 朱偉豐;改進粒子群算法最優(yōu)路徑的研究[D];重慶師范大學;2014年

10 孟令群;混沌粒子群算法在河流水質模型參數(shù)識別中的應用[D];長安大學;2009年

，

本文編號：1467564