赵伟
- 作品数：3 被引量：10H指数：2
- 供职机构：哈尔滨工业大学更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术航空宇航科学技术军事更多>>
- 基于q-高斯的模糊神经网络在飞机作战效能评估中的应用被引量：5
- 2010年
- 为了增强模糊神经网络的自学习和自适应能力,提出基于q-高斯的模糊神经网络评估飞机作战效能.采用q-高斯函数作为模糊神经网络的模糊隶属度函数,利用量子粒子群算法优化基于q-高斯的模糊神经网络参数,将非广延熵指数q编码为粒子并随着种群的进化自适应地调整.通过评估飞机作战效能,结果表明,基于q-高斯的模糊神经网络作战效能评估的结果更准确,自学习和自适应能力更强.
- 赵伟伞冶
- 关键词：作战效能评估模糊神经网络量子粒子群算法
- q-高斯的SOM神经网络在雷达抗干扰效能评估中的应用被引量：4
- 2011年
- 为了扩大邻域函数的输出空间和增强神经元的邻域合作,提出基于q-高斯的SOM(self-organizing mapping)神经网络评估雷达抗干扰效能.采用q-高斯函数作为SOM神经网络的邻域函数,选取较大的非广延熵指数q扩大了q-高斯函数的输出空间,随着邻域的缩小,非广延熵指数q从大到小自适应地调整平衡了神经元的远邻域合作和近邻域合作.通过评估雷达抗干扰效能和实例测试,仿真结果表明基于q-高斯的SOM神经网络效能评估的准确率为100%、模式识别的聚类正确率和分类正确率比其他SOM神经网络高出5%,验证了该方法的有效性和可行性.
- 赵伟伞冶
- 关键词：雷达抗干扰SOM神经网络
- 基于q-高斯分布的自适应变异粒子群算法被引量：1
- 2012年
- 针对粒子群算法易陷入局部极值和早熟收敛的缺陷,提出了基于q-高斯分布的自适应变异粒子群算法.采用q-高斯作为变异算子对粒子的全局最优位置进行q-高斯变异,克服了因种群遗失多样性所导致的早熟收敛缺陷,随着种群的进化,非广延熵指数q的自适应调整平衡了算法的全局搜索能力和局部开发能力.测试了4个标准复杂函数和优化BP神经网络参数,结果表明,基于q-高斯分布的自适应变异粒子群算法的优化性能最好,收敛速度快.
- 赵伟伞冶石慧姝
- 关键词：自适应变异种群多样性全局搜索能力局部搜索能力
