导读:本文包含了膜计算论文开题报告文献综述及选题提纲参考文献，主要关键词:波达方位(DOA)估计,随机最大似然算法(SML),膜计算(MC),粒子群算法(PSO)
膜计算论文文献综述
向长波,于玮,宋华军,刘芬[1]（2019）在《膜计算优化随机最大似然DOA快速估计方法》一文中研究指出随机最大似然算法(SML)是一种优秀的波达方位(DOA)估计算法,但SML解析过程中极其繁重的计算复杂度制约了该算法在实际系统中的应用。针对SML计算复杂度高的问题,提出了一种融合膜计算(MC)的随机最大似然算法。首先利用膜计算的优化框架将SML算法的解空间进行膜划分,划分为基本膜和表层膜;然后在每个基本膜内并行采用粒子群算法(PSO)进行局部寻优,同时将基本膜区域内的局部最优解送至表层膜进行全局优化;最后在表层膜区域中采用人工蜂群优化算法进行全局最优解的搜索。实验结果表明,本文算法极大地降低了SML的解析复杂度,计算时间较常用的GA、AM和PSO算法提高了超过10倍,在收敛速度方面具有显着的优势,且测向精度优于传统空间谱算法。(本文来源于《高技术通讯》期刊2019年09期）
陈东宁,王跃颖,姚成玉,刘一丹,吕世君[2]（2019）在《膜计算多粒子群算法》一文中研究指出针对粒子群(Particle swam optimization, PSO)算法进化后期收敛速度较慢,易陷入局部极值点,精度较差等不足,提出膜计算多粒子群(MC-MPSO)算法。在该算法中,将原始PSO、标准PSO、中值导向粒子群(MPSO)、扩展粒子群(EPSO)、多作用力粒子群(MFPSO)、两阶段作用力粒子群(TFPSO)等六种具有不同优点的粒子群算法分别放入六个基本膜内,提出MC-MPSO算法的膜间交流与粒子更新机制,在进化前期,各粒子群算法按自身机制进行搜索寻优,即各基本膜各自进化来充分发挥各基本膜内算法的优点;在进化后期,各基本膜内算法与比自身更好的表层膜内最优解粒子交流,各表层膜逐步吞并搜索能力较差的基本膜,而最适合问题优化求解的基本膜长大并按照表层膜输出,使MC-MPSO算法集成了基本膜内六种粒子群算法的各自优势,并具有适应不同类型优化求解问题的寻优能力。通过与基本膜内六种粒子群算法的测试对比,与遗传算法、鱼群算法及其他基于膜计算的粒子群算法的比较,证明了MC-MPSO算法具有更好的寻优能力和适用性。最后,将MC-MPSO算法应用于串联和桥式系统可靠性优化问题,验证了所提算法的有效性。(本文来源于《机械工程学报》期刊2019年12期）
王鑫[3]（2019）在《基于膜计算的数据挖掘算法研究及在卒中问题中的应用》一文中研究指出智能化时代,随着医疗技术的飞速发展和医疗物联网应用的日益普及,产生了海量的医学数据。与此同时,医疗行为越来越依靠于对数据的判断,这就需要从海量的诊疗数据中挖掘出有价值的信息。因此设计适用于海量诊疗数据的数据挖掘方法就尤为重要。膜计算,又称为P系统,是从活细胞的组织和结构抽象出来的一类具有非确定性和极大并行性的智能仿生计算模型,特别适合处理海量数据。因此,本文提出膜聚类算法和膜关联规则算法,并将其应用于卒中危险因素高危模式的发现和卒中病人群落的划分。所做的主要工作包括以下内容:1.提出基于类细胞P系统的互k近邻图聚类算法—PICP-MkNNG算法为了在不预设簇数目的前提下,有效识别具有任意形状和密度不均匀的簇,本文将传统的互k近邻聚类算法(MkNN)和图理论相结合,提出了互k近邻图聚类算法--MkNNG。该算法认为互为k近邻的点彼此连接,形成连通子图,同一个连通子图中的点相对靠近,被聚在同一个簇中,而非连通子图中的点相对疏远,被聚为不同的簇。为了提高MkNNG算法的效率,使之能够处理海量数据,基于P系统的非确定性和极大并行性,本文设计了含多促进剂和抑制剂的类细胞P系统—PICP系统。提出了基于PICP系统的、使用膜中的对象和规则实现聚类的互k近邻图膜聚类算法—PICP-MkNNG算法。实验和分析表明,PICP-MkNNG算法,能够发现不同密度和形状的簇,不需要预设簇的数目,只需要一个输入参数,并且具有非常低的时间复杂度和非常高的计算效率。2.提出基于类组织P系统的共享近邻图聚类算法—PITP-SNNG算法为了区分彼此靠近的簇,在MkNNG聚类算法的基础上,提出了其改进算法--共享近邻图聚类算法(SNNG)。该算法认为,图中互为k近邻的两个点要有若干个共同的邻居,才属于同一个簇。接着,设计了含促进剂和抑制剂的类组织P系统—PITP系统,并提出了基于PITP系统的共享近邻图聚类算法—PITP-SNNG算法。最后,通过实验和分析证明了该算法聚类的有效性和高效性。3.提出基于类组织P系统改进的最大频繁项集挖掘算法—PITP-PS算法Pincersearch算法是一种高效的最大频繁集搜索算法。为了提高最大频繁项集的搜索效率,将Pincer-Search算法和P系统理论相结合,提出了基于PITP系统改进的最大频繁项集挖掘方法—PITP-PS算法。实例和分析表明此算法用于发现最大频繁项集是有效且高效的。4.提出基于类组织P系统改进的多最小支持度关联规则算法—PITP-MSApriori算法MS-Apriori算法是一种适用于数据库中事务发生频率不均等的频繁项集挖掘算法。为了提高其搜索效率,本文将其与P系统相结合,提出了基于PITP系统的MS-Apriori算法—PITP-MSApriori算法。实例和分析表明此算法既适用于处理事务频率不均等情况下稀有项的挖掘,又具有极大的并行性,适于处理大规模数据集。5.提出基于类组织P系统的最大模式子空间聚类算法—PITP-MFIS算法子空间聚类是解决高维聚类的一种有效方法。本文提出了一种用膜计算模型进行子空间聚类的新方法—PITP-MFIS算法。该膜计算模型包含两部分:子系统Ⅰ和子系统Ⅱ。子系统Ⅰ使用PITP-SNNG算法获得一维空间中的簇。子系统Ⅱ以子系统Ⅰ的结果作为输入,将相关子空间的发现和最大频繁项集的挖掘原理相结合,使用PITP-PS算法,发现满足预设条件的相关子空间和簇。人工数据集和UCI数据集的实验和分析表明,该算法不但对高维数据具有很好的聚类质量,而且具有极高的运算效率。6.采用PITP-PS算法获得了卒中危险因素的高危组合模式,采用PITP-MFIS算法对入院卒中病人进行了群落划分。研究选取2018年1月至2018年12月,某院住院治疗的卒中患者1254例,以电子病历为依据,结合影像学资料和相关检验数据,采集卒中患者诊疗信息。首先对得到的数据进行预处理,将数据库中的事务记录转换为适合P系统处理的对象。使用PITP-PS算法获取了卒中若干危险因素的高危组合模式。使用PITP-MFIS算法对住院卒中患者进行聚类分析,获得了病人群落的不同划分。最后,对所得结果进行了分析讨论。(本文来源于《山东师范大学》期刊2019-06-08）
黄文成[4]（2019）在《结合膜计算与人工蜂群算法的K均值算法》一文中研究指出针对人工蜂群(ABC)优化的K均值(K-means)算法较易陷入局部最优、对初始聚类中心位置敏感等问题,结合具有广泛应用前景的膜计算(MC/P system)模型,提出一种改进的聚类算法。该算法利用最大最小距离积法对蜂群食物源进行初始化,提高初始值的适应度,加快收敛。ABC与K-means算法相结合,提高ABC算法的收敛速度;将ABC的蜜源进行K-means聚类,克服K-means对初始聚类中心的依赖及K-means算法易陷入局部最优的缺点。MC具有分布式、极大并行性和非确定性的特点,可以帮助提高蜂群的多样性,并平衡蜂群的勘探能力与开发能力。在提出的算法中,MC的结构以及其进化、溶解和通讯规则被整合到ABC算法中以增强蜂群的优化能力。实验结果表明,所提出的算法具有较好的聚类效果和稳定性。(本文来源于《现代计算机(专业版)》期刊2019年11期）
宋勃升,徐飞[5]（2019）在《通讯膜计算系统研究综述》一文中研究指出膜计算是自然计算的一个分支,文章主要研究从活细胞的结构和功能中或从组织和器官等细胞群协作中抽象的计算模型.根据膜结构不同,膜计算系统可以分为细胞型膜系统(树状结构)和组织型膜系统或脉冲神经膜系统(任意图结构).细胞间的通讯是膜系统中的一个重要特征,文章讨论的通讯规则是指同向/异向规则,对细胞型和组织型通讯膜系统的研究现状进行概述,从计算能力和计算复杂性方面介绍这2类通讯膜系统的研究进展.最后给出通讯膜系统中存在的一些问题.(本文来源于《广州大学学报(自然科学版)》期刊2019年01期）
付杰,赵进慧,虞乐丹[6]（2019）在《自适应膜计算算法及在ABS系统中的应用》一文中研究指出针对传统方法设计的PID控制器在汽车防抱死控制系统(AntilockBrakingSystem,ABS)中,难以满足全工况运行的性能要求,提出一种自适应膜计算优化算法用于整定PID控制器参数。所提算法改进了变异规则在寻优过程中的自适应性,从而克服算法的收敛速率低及较差的抗欺骗能力。算法通过自适应变异规则、转位规则、交叉规则及交流规则对膜内可行解不断更新,最终求出最优解。通过4个不同维数的典型测试函数对算法的计算精度,收敛速率等性能的测试显示了该算法有效性,并明显优于4种对比算法。最后,将算法用于ABS系统中,整定的PID控制器参数实现了良好的全工况下制动控制性能。(本文来源于《控制工程》期刊2019年01期）
毛宗杨,陈韬伟,余益民,赵昆[7]（2018）在《膜计算框架下的多目标烟花爆炸算法》一文中研究指出膜系统是由多个膜组成的计算单元,具有并行计算和分布式的特性。受膜系统功能和处理化合物方式的启发,将膜系统与烟花爆炸算法结合,提出了膜框架下的烟花爆炸算法。该算法在表层膜中引入拥挤距离和非支配排序来提高算法的局部搜索效率,在外部档案中利用精英反向学习的方法增强算法的全局搜索能力。因此,将膜系统与烟花爆炸算法结合将更好地平衡算法的局部开采和全局勘探能力。仿真实验使用ZDT和DTLZ系列函数对膜计算框架下的烟花爆炸算法进行测试,结果表明:该算法所得的非支配解集更接近真实Pareto前沿,在多样性、收敛性、准确性等方面优于或部分优于其他算法。(本文来源于《重庆理工大学学报(自然科学)》期刊2018年11期）
孙远,杨峰,郑晶,徐茂轩,裴烁瑾[8]（2018）在《基于膜计算与粒子群算法的盲源分离方法》一文中研究指出为了解决盲源分离方法收敛速度慢、分离性能不高的问题,提出一种基于膜计算(Membrane Computing,MC)和粒子群算法(Particle Swarm Optimization,PSO)的盲源分离方法。算法以分离信号负熵作为粒子群的适应值函数,将粒子均匀分布到各基本膜中,将各基本膜内最优位置输出到表层膜并选择适应值最小的最优位置作为群体最优位置,通过粒子自身最优位置和群体最优位置对种群粒子进行速度和位置的更新。粒子群最优解调整盲源分离的步长函数,进行信号的分离。提出的算法简化了惯性权重取值问题,保证了PSO算法局部搜索的精度,满足了全局搜索的多样性。仿真实验和实例应用表明,提出的算法可以很好地分离混合信号,并且能避免PSO算法的早熟收敛问题,具有更快的收敛速度和更优异的分离性能。(本文来源于《振动与冲击》期刊2018年17期）
王波,袁玲,刘远征[9]（2018）在《基于膜计算的水电机组故障识别》一文中研究指出本文对水电机组振动故障进行识别研究,提出了一种基于膜计算的粒子群模糊聚类方法;该方法利用粒子群算法对模糊均值聚类算法的聚类中心进行优化,并利用膜计算增加粒子群的种群多样性;最后将所给方法成功应用于水电机组振动故障识别;并与粒子群优化的FCM算法、FCM算法、K-means算法进行比较,说明所给方法的优越性。(本文来源于《内燃机与配件》期刊2018年14期）
刘希玉,姜珍妮,赵玉祯[10]（2018）在《膜计算研究综述》一文中研究指出膜计算作为自然计算的一个分支,目的便是从生物细胞的结构与功能中以及从器官和组织等细胞群的协作中抽象出计算模型.膜计算发展至今,主要包括类细胞膜系统、类组织膜系统以及类神经膜系统叁种基本的计算模型.在计算的过程中,每个细胞作为一个独立的单元,各个单元之间独立运行,互不干扰,整个膜系统以极大并行模式运行.目前关于膜计算的研究有很多,但是大部分都是停留在理论研究层面,关于膜计算的应用研究依然比较少.本文首先介绍了膜计算的叁种膜系统的基本概念,然后分别从理论研究、应用研究和软硬件实现研究叁个层面,针对近年的细胞型、组织型和神经型膜系统研究进展进行综合概述.最后给出了膜计算现存的问题以及研究前景.(本文来源于《山东师范大学学报(自然科学版)》期刊2018年02期）
膜计算论文开题报告
（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：
针对粒子群(Particle swam optimization, PSO)算法进化后期收敛速度较慢,易陷入局部极值点,精度较差等不足,提出膜计算多粒子群(MC-MPSO)算法。在该算法中,将原始PSO、标准PSO、中值导向粒子群(MPSO)、扩展粒子群(EPSO)、多作用力粒子群(MFPSO)、两阶段作用力粒子群(TFPSO)等六种具有不同优点的粒子群算法分别放入六个基本膜内,提出MC-MPSO算法的膜间交流与粒子更新机制,在进化前期,各粒子群算法按自身机制进行搜索寻优,即各基本膜各自进化来充分发挥各基本膜内算法的优点;在进化后期,各基本膜内算法与比自身更好的表层膜内最优解粒子交流,各表层膜逐步吞并搜索能力较差的基本膜,而最适合问题优化求解的基本膜长大并按照表层膜输出,使MC-MPSO算法集成了基本膜内六种粒子群算法的各自优势,并具有适应不同类型优化求解问题的寻优能力。通过与基本膜内六种粒子群算法的测试对比,与遗传算法、鱼群算法及其他基于膜计算的粒子群算法的比较,证明了MC-MPSO算法具有更好的寻优能力和适用性。最后,将MC-MPSO算法应用于串联和桥式系统可靠性优化问题,验证了所提算法的有效性。
（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。
膜计算论文参考文献
[1].向长波,于玮,宋华军,刘芬.膜计算优化随机最大似然DOA快速估计方法[J].高技术通讯.2019
[2].陈东宁,王跃颖,姚成玉,刘一丹,吕世君.膜计算多粒子群算法[J].机械工程学报.2019
[3].王鑫.基于膜计算的数据挖掘算法研究及在卒中问题中的应用[D].山东师范大学.2019
[4].黄文成.结合膜计算与人工蜂群算法的K均值算法[J].现代计算机(专业版).2019
[5].宋勃升,徐飞.通讯膜计算系统研究综述[J].广州大学学报(自然科学版).2019
[6].付杰,赵进慧,虞乐丹.自适应膜计算算法及在ABS系统中的应用[J].控制工程.2019
[7].毛宗杨,陈韬伟,余益民,赵昆.膜计算框架下的多目标烟花爆炸算法[J].重庆理工大学学报(自然科学).2018
[8].孙远,杨峰,郑晶,徐茂轩,裴烁瑾.基于膜计算与粒子群算法的盲源分离方法[J].振动与冲击.2018
[9].王波,袁玲,刘远征.基于膜计算的水电机组故障识别[J].内燃机与配件.2018
[10].刘希玉,姜珍妮,赵玉祯.膜计算研究综述[J].山东师范大学学报(自然科学版).2018