导读:本文包含了小波参数优化算法论文开题报告文献综述及选题提纲参考文献，主要关键词:粒子群算法,小波核函数,支持向量机,反演
小波参数优化算法论文文献综述
阮永芬,高春钦,刘克文,贾荣谷,丁海涛[1]（2019）在《基于粒子群算法优化小波支持向量机的岩土力学参数反演》一文中研究指出常用的确定岩土力学参数的方法有原位测试和室内试验两种,但都存在一定的局限性,参数选择的合理与否,对设计计算及数值模拟分析结果的有效性影响很大。支持向量机法在理论基础和求解算法方面都具有明显优势,为确保岩土力学参数取值的合理性,采用支持向量机法对岩土力学参数进行反演。先通过小波分析理论构造出支持向量机的核函数,再用粒子群算法(PSO)分别优化Morlet小波、Mexico小波和RBF函数的支持向量机模型参数,通过小波支持向量机模型建立反演参数与沉降值间的非线性映射关系。根据正交试验和均匀试验对需反演的岩土力学参数进行设计,结合有限元软件进行计算分析,得到学习样本和测试样本。分别采用Morlet小波、Mexico小波和RBF函数得出的预测结果和原始数据进行对比分析,发现采用Morlet小波核函数预测效果更佳。使用Morlet小波核函数预测的参数输入到Midas模型中计算建筑物最终沉降量,比较计算值与实际监测值,其相对误差不超过8.1%。研究结果表明,该方法在岩土工程参数的反演中具有良好的应用价值,对今后岩土力学参数的确定及校核提供了一种新方法。(本文来源于《岩土力学》期刊2019年09期）
金梦华[2]（2018）在《基于遗传算法电刺激视网膜神经节细胞矩形波参数和波形的优化》一文中研究指出目的视网膜上假体(Epiretinal Prosthesis,EP)是一种神经植入假体,它通过在视网膜上植入的微电极阵列对存活的视网膜神经节细胞(Retinal Ganglion Cells,RGCs)电刺激以产生神经兴奋,对外部获取的图像信息处理,从而恢复患者视觉。EP已经广泛应用于临床研究,仍然存在许多需要改进的性能缺陷,如图像分辨率低,生物相容性低,能耗过高以及使用寿命较短等。目前有多种用于提高假体功能的方法,如改进微电极阵列或电刺激波形等。EP电刺激波形目前是由刺激相和平衡相组成的电荷平衡矩形波。但是,矩形刺激波参数组合并不统一,并且矩形波是否是最佳的刺激波形仍值得商榷。本文旨在找到进行刺激时的最佳电刺激波形形状。方法建立胞外电刺激RGCs多房室仿真模型。模型包括轴突,胞体,树突、电极等;RGCs的膜电特性用Fohlmeister-Colman-Miller(FCM)模型描述;刺激电极为单极理想点电极,作用于RGCs的胞体上;电极和胞体之间为类玻璃体的均匀介质,电导率为0.057k??cm。研究改变矩形波的参数对于刺激效果的影响。传统矩形波包含五个参数:极性、幅值(A)、时间(pd1)、刺激相与平衡相的幅值比(PDR)和相间间隔(ipi)。使用频率-电流曲线明确神经元类型的方法,判断RGCs类型,根据RGCs归属确定阈值判断标准;RGCs膜电位超过+20mV时即为产生动作电位。改变参数,计算能量和电荷量,矩形刺激波产生动作电位所需的最小刺激幅值使用强度-时间曲线描述。遗传算法(Genetic Algorithm,GA)对矩形波参数和刺激波形形状的优化。GA应用时使用叁种成本函数,成本函数仅考虑能量消耗时得到能量最优结果,仅考虑电荷安全时得到电荷最优结果,同时考虑能耗和电荷安全性时得到GA最优结果,即为最佳参数组合或波形形状。当连续两代的成本值差异小于0.001%时,优化过程终止。矩形波参数的优化。根据文献中的实验结果确定刺激时间、幅值、幅值比和相间间隔的参数空间,GA优化的矩形波始终为先阴极电荷平衡矩形波。比较优化后参数组成的矩形波与传统对称矩形波刺激时消耗的能量和电荷。电刺激波形形状的优化。仅优化波形的刺激相,平衡相使用有同等脉冲宽度和电荷量的矩形波代替。根据文献实验结果确定GA初始代刺激幅度和脉冲宽度的范围。优化结束后,比较GA算法优化的波形与传统对称矩形波在使RGCs产生动作电位时的能量消耗和传递电荷量情况。结果本研究中使用的电刺激RGCs胞外仿真多房室模型,能够有效模拟神经元各部位对电刺激的响应过程。经判断,RGCs属于Hodgkin分类的第一类神经元,可根据电流强度确定阈值。阈值刺激幅度为使RGCs产生AP的矩形波的最低幅度,并得到在阈值水平时的能量和电荷。当改变矩形波的极性时,极性为先阳极的对称双相矩形脉冲的阈值电流幅值为33.109μA,而先阴极对称脉冲的阈值电流幅度为25.004μA,能量消耗较前者下降了42.96%,电荷消耗较前者低了24.47%。使用先阴极矩形无间隔对称波刺激,改变刺激持续时间(范围为0.1-3ms),当持续时间为最大值3ms时,得到最低电流为17.9μA,即为基强度电流。时值时间接近0.5ms,此时为最低能耗1204.09pJ,电荷量为17.35nC。在0.1ms脉冲持续时间时得到电荷的最低值为10.47nC,低于宽度为时值时间矩形波的电荷6.88nC。刺激持续时间固定在能量最低时间0.5ms观察其他参数的影响。当幅值比(范围为1-35)为35时,得到最小能量为764.38pJ,低于对称矩形波439.71pJ;当间隔(范围为0-1ms)为0.35ms或0.4ms时,得到最低能量759.51pJ,低于无间隔矩形波444.58pJ。对参数的调整可降低刺激的能量或电荷,使用GA对先阴极矩形波的参数组合进行优化。传统对称矩形波阈值水平的能量和电荷分别为795.21pJ和13.52nC。成本函数仅考虑能量消耗时得到能量最优的参数组合为_1A(28)25.181μA,pd_1(28)0.603ms,PDR(28)29.99,ipi(28)4.91ms,该组合的能量较阈值水平降低了50.96%;成本函数仅考虑电荷时的电荷最优参数组合为_1A(28)55.10μA,pd_1(28)0.22ms,PDR(28)9.33,ipi(28)3.95ms,此时电荷较阈值水平降低接近10%;GA最优结果为A_1(28)15.625μA,pd_1(28)0.86ms,PDR(28)29.88,ipi(28)4.99ms,电荷和能量分别为13.11nC和211.1053pJ,分别降低了3.06%和73.45%。使用GA优化刺激波形。根据文献中实际假体应用数据确定刺激相宽度为1ms,此时矩形波阈值水平的能量和电荷为489.5272pJ和15.409nC。优化之后,波形均汇集成相似形状,能量最优波形和GA最优波形类似为尾部高度截断的高斯波形,而电荷最优波形则类似于T型波。能量最优波形的能耗为465.2082pJ,较矩形波降低了24.319pJ;电荷最优波形传递的电荷量为14.0528nC,较矩形波降低了1335pC;GA最优波形的能耗和电荷较矩形波分别降低了24.0295pJ和854pC。延长脉冲宽度后的所有优化波形电荷均低于矩形波,能量随着脉冲时间的延长而降低。结论结果表明,矩形波的参数组合的改变对RGCs响应产生影响。脉冲的极性选择在刺激期间起到重要作用,先阴极的脉冲可以使用更低的阈值激活RGCs产生AP,消耗更少的能量和电荷;在一定范围内增加矩形波的脉冲宽度可以降低阈值和能量,而最小的脉冲宽度则消耗最低的电荷传递量;相间间隔的改变对于能量消耗的影响更明显。GA优化后的矩形波的参数组合和GA优化的波形形状相比于传统对称矩形波,均具有更低的能量和电荷。GA优化的波形形状类似于截断的高斯波形或者T型波,较长脉冲宽度的优化波形的能耗低于较短宽度,但电荷量则相反。同样脉冲宽度情况下,GA最优波形的能量和电荷值均低于矩形波。因此,经典的矩形波被证明为不是具有最佳能量和电荷的波形。视网膜上假体在应用时应考虑多个因素的影响,优化电刺激的波形和参数能够起到降低能耗和电荷的作用,将优化的结果应用到假体刺激中,对于改善假体的性能具有一定的意义。(本文来源于《天津医科大学》期刊2018-05-01）
刘嘉敏,彭玲,刘军委,袁佳成[3]（2016）在《基于遗传算法的VMD参数优化与小波阈值的轴承振动信号去噪分析》一文中研究指出针对轴承振动信号夹杂的噪声极大影响有用信息的提取,提出了基于遗传算法的变分模态分解(variational mode decomposition,VMD)与小波阈值去噪方法。该方法首先利用遗传算法选择合适的VMD参数,然后用VMD方法对含噪声的信号进行自适应分解,最后对分解的模态分别进行小波阈值处理后重构信号,得到去噪后的信号。在实际轴承信号的实验结果表明,该方法与常用的去噪方法相比,得到能够得到更高的信噪比和更低的均方差。(本文来源于《第二十七届全国振动与噪声应用学术会议论文集》期刊2016-07-28）
谢延敏,孙新强,田银,何育军,卓德志[4]（2016）在《基于改进粒子群算法和小波神经网络的高强钢扭曲回弹工艺参数优化》一文中研究指出针对高强钢复杂件冲压后出现的扭曲回弹现象,运用有限元仿真软件DYNAFORM对复杂件的冲压、回弹过程进行数值模拟,提出了评价复杂件扭曲回弹程度的指标,并运用试验设计和小波神经网络代理模型方法对扭曲回弹进行了优化研究。以某弯曲梁为研究对象,以扭曲回弹为成形目标,通过正交试验设计筛选出对扭曲回弹影响较大的工艺参数作为影响因素。利用拉丁超立方对影响因素进行抽样,通过数值模拟获得样本数据,建立影响因素与成形目标之间的小波神经网络代理模型,利用改进的粒子群算法对该模型迭代寻优获得最优参数。结果表明:采用优化后的工艺参数能有效地减小该弯曲梁的扭曲回弹,该方法为减小复杂件的扭曲回弹提供一种有益的指导。(本文来源于《机械工程学报》期刊2016年19期）
邱泽敏[5]（2015）在《基于迭代参数优化的自适应小波网络均衡算法》一文中研究指出针对现有网络均衡算法中存在的收敛速度慢、计算冗余等问题,通过对传统的自适应均衡算法与小波变换进行相关研究分析,提出一种基于小波变换的网络均衡算法。小波变换的良好鲁棒性弥补了传统自适应均衡算法中收敛速度慢的缺陷,通过分析算法的收敛性,重新设置迭代中的参数。实验结果表明,该算法的实验结果与预期效果基本相符,具有良好收敛效果的同时并保持了较低的误码率。(本文来源于《计算机与现代化》期刊2015年06期）
孙新强,谢延敏,田银,何育军[6]（2015）在《基于小波神经网络和粒子群算法的铝合金板冲压回弹工艺参数优化》一文中研究指出针对铝合金复杂件冲压后出现的较大回弹缺陷,同时为减少冲压成形工艺参数的优化时间,使用有限元仿真软件DYNAFORM对冲压成形及回弹过程进行数值模拟,在确保数值模拟与试验结果基本一致的基础上,利用代理模型对回弹进行了优化研究。以NUMISHEET'96 S梁为研究对象,凸模圆角半径、凹模圆角半径、压边力、板料厚度作为影响因素,成形后最大回弹值作为成形目标,运用拉丁超立方抽样,通过数值仿真获得样本数据,建立影响因素与成形目标之间的小波神经网络代理模型,利用粒子群算法对该模型迭代寻优获得最优工艺参数。结果表明:小波神经网络能较好地描述板料工艺参数与回弹之间的映射关系,优化后成形件的回弹量大大减小。(本文来源于《锻压技术》期刊2015年01期）
翁和标,侯立刚,苏成利[7]（2013）在《基于改进QPSO算法的小波神经网络参数优化》一文中研究指出针对传统的小波神经网络在参数优化过程中所采用的梯度下降法容易产生局部最优,提出了一种改进的量子行为PSO算法。新算法通过在最优平均值的全局搜索点中加入权重系数,用于改善粒子群的全局、局部搜索能力和收敛速度,当粒子进化到后期,满足早熟条件时,粒子群在该维上发生变异,重新初始化后的位置均匀分布在可行区域上,用于提高搜索精度。仿真实验结果表明,改进QPSO算法比常规网络训练方法在寻优能力方面更加有效。(本文来源于《辽宁石油化工大学学报》期刊2013年04期）
陈捷,张成强,曾祥超,马旭[8]（2010）在《采用小波分析和遗传算法的铣削参数优化方法研究》一文中研究指出将小波分析方法应用于刀具状态监测中,找出刀具发生故障的时间点,确定刀具耐用度。以刀具的加工生产率和耐用度作为遗传算法目标函数进行全局寻优,获得铣削参数最优搭配,从而提高刀具的加工生产率和使用寿命。(本文来源于《现代制造工程》期刊2010年08期）
高桂革,顾幸生[9]（2008）在《分布参数系统传感器位置优化策略的小波算法》一文中研究指出传感器位置配置是分布参数系统实现最优控制的关键问题之一,不仅和边界条件有关,还和输入信号、系统噪声、测量噪声、过程的动态特性等因素有关,各个因素对最佳测量位置的影响各不相同。分布参数系统状态在空间具有无穷维自由度,而测量通常只是在空间离散的有限个点上进行,并且受到噪声的污染,因此,选择分布参数系统测量位置具有重要的意义。本文基于正交函数逼近理论,用小波作为分析工具对分布参数系统的传感器测量点的位置优化问题进行研究。仿真结果表明:该方法对于分布参数系统的传感器位置的优化选择具有重要意义。(本文来源于《华东理工大学学报(自然科学版)》期刊2008年04期）
张彦超[10]（2005）在《基于蚁群算法优化的小波模糊神经网络DTC系统参数的在线观测》一文中研究指出直接转矩控制系统自提出以来,已经有了长足的发展。该控制技术以其独特的思想,简单的结构及优良的特性受到国内外学者的广泛关注。它以定子坐标系定向,借助于两点式调节产生PWM信号,直接对逆变器的开关状态进行最佳控制,因而电机的参数对系统的影响小,同时计算量与矢量控制相比要小得多。本课题主要研究了定子电阻和速度的智能控制算法之一——蚁群算法,并进行了性能分析;同时设计了基于DSP的蚁群小波模糊神经网络无速度传感器直接转矩控制系统的硬件电路与软件流图。 在高速区,由于定子电阻参数变化引起的误差可以忽略,定子磁链可以保持良好的轨迹;但在低速范围内,磁链特性受定子电阻影响很大,定子电阻引起的误差不可以忽略。如何提高定子电阻的观测精度是改善无速度传感器直接转矩控制系统低速特性的关键。 定子电阻受很多种因素影响,诸如:电机运行时间,电流,频率和散热条件等等,因此通过传统方法宋寻求定子电阻与影响因素之间的关系将困难重重。于是本课题把蚁群算法嵌入定子电阻的观测器中,将定子电阻的多种影响因素综合为温度及温度变化率,采用小波神经构造定子电阻观测器。 本文设计的小波模糊神经网络速度估计器为人工智能技术在无速度传感器的应用于实践提供了一条崭新的思路。在仿真试验中使用MATLAB语言来完成,并对定子电阻观测器和速度估计器进行了仿真说明和分析。仿真结果表明定子电阻观测器极大地改善了系统的低速性能,速度估计器具有快速的动态跟踪效果和良好的稳态特性。无速度传感器直接转矩控制系统应用前景广阔,低速特性的改善将更有利于其推广和应用。(本文来源于《沈阳工业大学》期刊2005-03-09）
小波参数优化算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目的视网膜上假体(Epiretinal Prosthesis,EP)是一种神经植入假体,它通过在视网膜上植入的微电极阵列对存活的视网膜神经节细胞(Retinal Ganglion Cells,RGCs)电刺激以产生神经兴奋,对外部获取的图像信息处理,从而恢复患者视觉。EP已经广泛应用于临床研究,仍然存在许多需要改进的性能缺陷,如图像分辨率低,生物相容性低,能耗过高以及使用寿命较短等。目前有多种用于提高假体功能的方法,如改进微电极阵列或电刺激波形等。EP电刺激波形目前是由刺激相和平衡相组成的电荷平衡矩形波。但是,矩形刺激波参数组合并不统一,并且矩形波是否是最佳的刺激波形仍值得商榷。本文旨在找到进行刺激时的最佳电刺激波形形状。方法建立胞外电刺激RGCs多房室仿真模型。模型包括轴突,胞体,树突、电极等;RGCs的膜电特性用Fohlmeister-Colman-Miller(FCM)模型描述;刺激电极为单极理想点电极,作用于RGCs的胞体上;电极和胞体之间为类玻璃体的均匀介质,电导率为0.057k??cm。研究改变矩形波的参数对于刺激效果的影响。传统矩形波包含五个参数:极性、幅值(A)、时间(pd1)、刺激相与平衡相的幅值比(PDR)和相间间隔(ipi)。使用频率-电流曲线明确神经元类型的方法,判断RGCs类型,根据RGCs归属确定阈值判断标准;RGCs膜电位超过+20mV时即为产生动作电位。改变参数,计算能量和电荷量,矩形刺激波产生动作电位所需的最小刺激幅值使用强度-时间曲线描述。遗传算法(Genetic Algorithm,GA)对矩形波参数和刺激波形形状的优化。GA应用时使用叁种成本函数,成本函数仅考虑能量消耗时得到能量最优结果,仅考虑电荷安全时得到电荷最优结果,同时考虑能耗和电荷安全性时得到GA最优结果,即为最佳参数组合或波形形状。当连续两代的成本值差异小于0.001%时,优化过程终止。矩形波参数的优化。根据文献中的实验结果确定刺激时间、幅值、幅值比和相间间隔的参数空间,GA优化的矩形波始终为先阴极电荷平衡矩形波。比较优化后参数组成的矩形波与传统对称矩形波刺激时消耗的能量和电荷。电刺激波形形状的优化。仅优化波形的刺激相,平衡相使用有同等脉冲宽度和电荷量的矩形波代替。根据文献实验结果确定GA初始代刺激幅度和脉冲宽度的范围。优化结束后,比较GA算法优化的波形与传统对称矩形波在使RGCs产生动作电位时的能量消耗和传递电荷量情况。结果本研究中使用的电刺激RGCs胞外仿真多房室模型,能够有效模拟神经元各部位对电刺激的响应过程。经判断,RGCs属于Hodgkin分类的第一类神经元,可根据电流强度确定阈值。阈值刺激幅度为使RGCs产生AP的矩形波的最低幅度,并得到在阈值水平时的能量和电荷。当改变矩形波的极性时,极性为先阳极的对称双相矩形脉冲的阈值电流幅值为33.109μA,而先阴极对称脉冲的阈值电流幅度为25.004μA,能量消耗较前者下降了42.96%,电荷消耗较前者低了24.47%。使用先阴极矩形无间隔对称波刺激,改变刺激持续时间(范围为0.1-3ms),当持续时间为最大值3ms时,得到最低电流为17.9μA,即为基强度电流。时值时间接近0.5ms,此时为最低能耗1204.09pJ,电荷量为17.35nC。在0.1ms脉冲持续时间时得到电荷的最低值为10.47nC,低于宽度为时值时间矩形波的电荷6.88nC。刺激持续时间固定在能量最低时间0.5ms观察其他参数的影响。当幅值比(范围为1-35)为35时,得到最小能量为764.38pJ,低于对称矩形波439.71pJ;当间隔(范围为0-1ms)为0.35ms或0.4ms时,得到最低能量759.51pJ,低于无间隔矩形波444.58pJ。对参数的调整可降低刺激的能量或电荷,使用GA对先阴极矩形波的参数组合进行优化。传统对称矩形波阈值水平的能量和电荷分别为795.21pJ和13.52nC。成本函数仅考虑能量消耗时得到能量最优的参数组合为_1A(28)25.181μA,pd_1(28)0.603ms,PDR(28)29.99,ipi(28)4.91ms,该组合的能量较阈值水平降低了50.96%;成本函数仅考虑电荷时的电荷最优参数组合为_1A(28)55.10μA,pd_1(28)0.22ms,PDR(28)9.33,ipi(28)3.95ms,此时电荷较阈值水平降低接近10%;GA最优结果为A_1(28)15.625μA,pd_1(28)0.86ms,PDR(28)29.88,ipi(28)4.99ms,电荷和能量分别为13.11nC和211.1053pJ,分别降低了3.06%和73.45%。使用GA优化刺激波形。根据文献中实际假体应用数据确定刺激相宽度为1ms,此时矩形波阈值水平的能量和电荷为489.5272pJ和15.409nC。优化之后,波形均汇集成相似形状,能量最优波形和GA最优波形类似为尾部高度截断的高斯波形,而电荷最优波形则类似于T型波。能量最优波形的能耗为465.2082pJ,较矩形波降低了24.319pJ;电荷最优波形传递的电荷量为14.0528nC,较矩形波降低了1335pC;GA最优波形的能耗和电荷较矩形波分别降低了24.0295pJ和854pC。延长脉冲宽度后的所有优化波形电荷均低于矩形波,能量随着脉冲时间的延长而降低。结论结果表明,矩形波的参数组合的改变对RGCs响应产生影响。脉冲的极性选择在刺激期间起到重要作用,先阴极的脉冲可以使用更低的阈值激活RGCs产生AP,消耗更少的能量和电荷;在一定范围内增加矩形波的脉冲宽度可以降低阈值和能量,而最小的脉冲宽度则消耗最低的电荷传递量;相间间隔的改变对于能量消耗的影响更明显。GA优化后的矩形波的参数组合和GA优化的波形形状相比于传统对称矩形波,均具有更低的能量和电荷。GA优化的波形形状类似于截断的高斯波形或者T型波,较长脉冲宽度的优化波形的能耗低于较短宽度,但电荷量则相反。同样脉冲宽度情况下,GA最优波形的能量和电荷值均低于矩形波。因此,经典的矩形波被证明为不是具有最佳能量和电荷的波形。视网膜上假体在应用时应考虑多个因素的影响,优化电刺激的波形和参数能够起到降低能耗和电荷的作用,将优化的结果应用到假体刺激中,对于改善假体的性能具有一定的意义。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
小波参数优化算法论文参考文献
[1].阮永芬,高春钦,刘克文,贾荣谷,丁海涛.基于粒子群算法优化小波支持向量机的岩土力学参数反演[J].岩土力学.2019
[2].金梦华.基于遗传算法电刺激视网膜神经节细胞矩形波参数和波形的优化[D].天津医科大学.2018
[3].刘嘉敏,彭玲,刘军委,袁佳成.基于遗传算法的VMD参数优化与小波阈值的轴承振动信号去噪分析[C].第二十七届全国振动与噪声应用学术会议论文集.2016
[4].谢延敏,孙新强,田银,何育军,卓德志.基于改进粒子群算法和小波神经网络的高强钢扭曲回弹工艺参数优化[J].机械工程学报.2016
[5].邱泽敏.基于迭代参数优化的自适应小波网络均衡算法[J].计算机与现代化.2015
[6].孙新强,谢延敏,田银,何育军.基于小波神经网络和粒子群算法的铝合金板冲压回弹工艺参数优化[J].锻压技术.2015
[7].翁和标,侯立刚,苏成利.基于改进QPSO算法的小波神经网络参数优化[J].辽宁石油化工大学学报.2013
[8].陈捷,张成强,曾祥超,马旭.采用小波分析和遗传算法的铣削参数优化方法研究[J].现代制造工程.2010
[9].高桂革,顾幸生.分布参数系统传感器位置优化策略的小波算法[J].华东理工大学学报(自然科学版).2008
[10].张彦超.基于蚁群算法优化的小波模糊神经网络DTC系统参数的在线观测[D].沈阳工业大学.2005