针对常规的粒子滤波算法存在粒子权值退化和采样粒子贫化以及需要大量粒子才能进行比较准确的状态估计的问题,提出了一种基于混沌的萤火虫改进粒子滤波算法。利用混沌系统所具有的遍历性和随机性初始化粒子群,使得初始粒子分布更加均匀,同时向常规粒子滤波算法中引进萤火虫算法的寻优机制,使得粒子能够向高似然区域运动,提高了滤波精度,并对部分权值优秀粒子进行混沌细搜索,对部分权值低的粒子进行再生,提高了种群多样性。实验表明:该方法尤其是在粒子种群数量较小的情况下,较常规粒子滤波精度更高,并有效地改善了权值退化和样本贫化问题。 为了提高基本粒子群优化(PSO)算法与支持向量机(SVM)融合的无线传感网络(WSNs)入侵检测算法的检测精度与收敛速度,提出了一种基于完全正弦映射混沌粒子群优化(CS-CPSO)算法与SVM融合的WSNs入侵检测算法(CS-CPSO-SVM)。采用CS-CPSO算法优化SVM参数,不仅将正弦映射混沌搜索应用于粒子群算法中初始种群与局部最优解混沌扰动的产生,且将其用于惯性权重的优化以及随机常数和学习因子的产生,并用多个初始值分别迭代生成多条混沌轨道。以KDDCUP99数据集作为实验数据,经理论分析与仿真实验表明:该方法可以有效地检测入侵行为,并具有良好的检测精度与收敛速度。 检测模型框架如图1所示。对训练和测试数据集进行归一、离散和降维等预处理，利用CS-CPSO算法优化SVM得出最优参数。最后，建立WSNs入侵检测模型以对测试集进行分类与识别，本文由张家港市泰宇机械有限公司滚圆机网站采集网络资源整理!www.gunyuanji.name定位算法-数控电动滚圆机液压滚弧机折弯机价格低全自动滚圆机多少钱并对检测模型的性能进行分析。图1WSNs入侵检测模型框架2WSNs入侵检测算法2．1算法基础WSNs入侵检测算法基础为SVM和PSO算法［10，11］。SVM的学习能力与泛化能力取决于其参数的选择，本文采用径向基核函数(ＲBF)，故惩罚参数C与核函数参数γ成为需要优化的两个参数。其中，C的大小与可容忍的误差相关，而γ的大小与学习样本的输入空间范围相关。在PSO算法中，对其收敛性而言，参数C1，C2，Ｒ1，Ｒ2以及W均为重要的影响因素。PSO算法收敛速度较快，但在后期时较为缓慢且粒子群表现出趋同性，容易陷入局部极小值。本文在基本PSO算法中引入混沌思想，构造CS-CPSO算法，并利用该算法优化SVM参数，即惯性权重W，随机常数Ｒ1，Ｒ2和学习因子C1，C2。2．2CS-CPSO算法CS-CPSO算法对PSO算法进行如下改进:1)将混沌应用于粒子的位置初始化中，采用正弦映射(sine-mapping)以多个初始值分别进行迭代产生多条混沌轨道。Logistic映射是一个典型的混沌系统［12］，但产生的混沌变量轨道点分布不均匀。本文采用文献［13］所提出的正弦混沌映射构成混沌系统，并用多个初始值分别进行混沌迭代产生多条混沌轨道Xn+1=sin(5．65/Xn)，－1≤Xn≤1，Xn≠0(1)2)将混沌状态应用于惯性权重W优化针对无线传感器网络(WSNs)节点定位的问题,提出了一种量子遗传算法与蒙特—卡洛相结合的定位算法(QGA-MCL)。将QGA应用于MCL中的采样过滤阶段,通过合理的编码方案、译码方案以及量子旋转门对采样区域中随机产生的量子染色体进行操作,提高了样本寻优效率和定位精度,并加快了算法的收敛速度。仿真结果表明:与蒙特—卡洛定位算法相比,提出的QGA-MCL算法能够减少约10.2%的定位误差,同时,算法的收敛速度也得到了显著提升。 定位算法-数控电动滚圆机液压滚弧机折弯机价格低全自动滚圆机多少钱本文由张家港市泰宇机械有限公司滚圆机网站采集网络资源整理!www.gunyuanji.name