智能优化算法研究及其应用.pdf

摘要人脸识别方法,治隽硕绨踩肭旨觳饧际酰⒍匀肭旨觳饧际踅辛朔掷啵优化技术作为一个以数学为基础的重要的科学分支,一直受到人们的广泛关注,并对其它学科产生了重大影响。优化技术用于求解各种工程问题优化解的方法在诸多工程领域得到广泛应用,已成为各种不同领域中问题优化求解的不可缺少的有力工具。近年来最优化理论与方法研究取得很大进展,新技术新方法层出不穷。工程领域中常用的优化算法主要包括经典优化算法、改进型算法、动态演化算法等。随着计算机技术的快速发展,最优化技术与方法在人工智能、系统控制、模式识别、生产调度管理等领域得到广泛应用,成为一个研究的热点问题。智能优化算法是指模仿自然与生物机理为特征的随机搜索算法,如遗传算法,蚁群算法,粒子群优化算法,人工鱼群算法等。很多优化问题已经被证明是完全问题,传统的最优化方法难以对这类问题求解,而智能优化算法为这些困难问题提供了有效的解决方法。本文主要研究了粒子群优化算法、支持向量机、粗糙集理论等智能优化和机器学****算法及其在人脸识别和入侵检测两个具体问题中的应用。·研究了人脸识别系统和入侵检测系统的发展背景、应用技术,比较了现有的且和本文后面章节相关的技术作了具体比较,最后提出了基于机器学****的入侵检测模·提出了一种基于遗传算法的支持向量机参数选取优化算法。研究了支持向量机在人脸识别系统中的应用:在人脸图像数据库鲜紫榷粤诚窠腥搜鄱位和图像归一化,再利用小波分解和积分投影的方法来对人脸图像进行特征提取,通过在遗传算法中以识别率作为准则定义恰当的适应度函数,对支持向量机的惩罚因子秃撕问进行选取优化,最后利用经参数优化的支持向量机进行人论文的主要工作和贡献如下:型。
脸识别,并搭建相应实验平台进行验证。本文所提出的基于遗传算法的支持向量机参数优化方法的识别率最优时能达到.%,是一种行之有效的方法。·提出了把遗传算法和支持向量机融合算法应用到人脸识别系统中,该融合算法在优化支持向量机参数的同时能得到最优的人脸特征子集,把分类性能引入作为特征的评价准则,得到一个较好的应用结果。·提出了基于模糊粗糙集属性重要度的属性约简算法。首先利用人眼自动定位的方法进行人眼定位,然后进行人脸图像归一化,再利用小波分解与积分投影法提取人脸特征。属性约简方法是以属性的类间分类重要度为依据的,是以属性的类内相似重要度作为准则,使得类内相似重要度值最大的一组特征即为所求的属性约简集,实验结果表明这种属性约简方法是有效的。·提出了粒子最优位置混沌优化算法,并且把量子进化理论和粒子群优化理论相结合,提出了基于量子粒子群优化的入侵检测系统构建方法,实验结果表明:把基于量子粒子群优化属性约简方法应用于基于支持向量机的入侵检测系统,能有效提高网络入侵检测检测效率。·提出构建基于机器学****的混合入侵检测统的一般方法。本文系统的比较了机器学****算法在入侵检测系统中针对不同攻击数据类型的检测性能,不同的机器学****算法在入侵检测系统针对不同的数据类型性能差异很大,这样构建混合的智能入侵检测系统成为一个合理的选择,为研究高效融合的入侵检测算法打下基础。关键词:人脸识别,支持向量机,粗糙集,机器学****智能优化算法研究及其应用.Ⅱ.
,.Ⅲ.痓...,甆—甀..·琾瑃
甌甌鰐琣.Ⅳ.—瓼,,智能优化算法研究及其应用,.%,.:
第一章绪论智能优化算法进展优化算法是一种以数学理论为基础,在求解各种工程问题优化解的问题中广泛应用的方法。优化问题在科学研究领域、工程技术和经济管理等诸多领域普遍存在,针对难解优化问题的智能优化算法的研究与应用成为一个重要的科学分支受到了人们的广泛关注与重视,随着优化算法在系统控制、生物信息学、人工智能、模式识别、计算机工程等领域的成功应用,使得对优化算法的研究成为一个不仅具有理论意义而且在现实应用具有很强的应用价值的热点课题。优化方法涉及的内容很广,不同领域问题的种类各有不同。但从总体上划分,最优化问题可分为两大类,一类是函数优化问题,一类是组合优化问题,其中函数优化是以一定区间内的连续变量的研究对象,而组合优化的处理对象是解空间中的离散状态。其中组合优化是指在一组各个变量的定义域范围内,寻求一组自变量的合适取值,使得函数值取值最小。而应用更为广泛的组合优化问题大多数和排序、分类和筛选等问题相关,是数学学科中运筹学的一个重要分支。到目前为止,多种基于启发式的智能优化算法被众多的科学研究工作者相继提出,如神经网络与神经网络优化算法、蚁群算法、遗传算法、禁忌搜索算法、分布估计算法差分演化算法等。但在现实工程领域许多优化问题一般都具有大规模、高维、非线性、非凸等复杂特性,而且优化问题中存在大量的局部极小值,所以传统的确定性的优化算法在处理这类问题时存在两方面的缺陷,一是对初值取值比较敏感,二是较容易陷入局部极