📄 ml.htm
字号:
<!ArtChnTitle>
<!ArtChnAuthor>
<!ArtAuthorAddress>
<!ArtChnAbstract>
<!ArtChnKeyword>
<!ArtEngTitle>
<!ArtEngAuthor>
<!ArtEngAbstract>
<!ArtEngKeyword>
<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=gb2312">
<meta name="GENERATOR" content="Microsoft FrontPage 5.0">
<title>学位论文－PSO改进算法研究及在神经网络与信号检测中的应用</title>
<style>A:link {COLOR: #000000; FONT-FAMILY: 宋体; TEXT-DECORATION: none}
A:visited {COLOR: #000000; FONT-FAMILY: 宋体; TEXT-DECORATION: none}
A:active {FONT-FAMILY:宋体; TEXT-DECORATION: none}
A:hover {COLOR: #000000;TEXT-DECORATION:none}
BODY {FONT-FAMILY:宋体; FONT-SIZE: 9pt;TEXT-DECORATION:none}
TABLE {FONT-FAMILY: 宋体; FONT-SIZE: 9pt}
.H1 {FONT-SIZE: 9pt; COLOR: #0000cc}
.ourfont {FONT-SIZE: 9pt; LINE-HEIGHT: 14pt}
select {font-size:12px;}
.wx {BACKGROUND: #001863; BORDER-BOTTOM: white 1px solid; BORDER-LEFT: white 1px solid; BORDER-RIGHT: white 1px solid; BORDER-TOP: white 1px solid; COLOR: #ffffff; FONT-SIZE: 9pt; FONT-STYLE: normal; FONT-VARIANT: normal; FONT-WEIGHT: normal; HEIGHT: 18px; LINE-HEIGHT: normal}
.wx1 {border-top: #c0c0c0 1px;border-left: #c0c0c0 1px;border-right:#c0c0c0 1px;border-bottom:#c0c0c0 1px;border-style:inset;background-color:#ffffff;vertical-align:text-bottom}
</style>
</head>
<body bgcolor="#FFFFFF" link="#000000" background="../image/bg.gif">
<img src="../../images/xwlwk.jpg" width="750" height="94">
<table width="83%" border="0" cellspacing="0" cellpadding="0">
<tr>
<td width="19%"><p> </p>
<p></p></td>
<td width="81%"><p>馆藏号：Y1085820<br>
<br>
论 文 题 目：<strong style="font-weight: 400">PSO改进算法研究及在神经网络与信号检测中的应用</strong><br>
学位授予单位：中山大学<br>
作 者：陈浩武<br>
申请学位级别：硕士<br>
学 科 名 称：检测技术与自动化装置<br>
指 导 教 师：李晓东<br>
出 版 时 间：20070508<br>
摘 要：<br>
本文首先介绍了一种全局优化搜索新算法——粒子群优化算法(ParticleSwarm Optimization简称PSO)，及一种传统的优化算法——共轭梯度算法(Conjugate Gradient Algorithm简称CGA)。然后对PSO算法进行改进，提出了两种PSO改进算法，一种是带共轭梯度算子的PSO改进算法(简称PSO改进算法(1))，另一种是PSO算法与CGA的混合优化算法(简称PSO改进算法(2))。本文将这两种PS0改进算法应用于函数值优化及BP神经网络的权值训练，实例仿真结果表明：与基本PSO算法相比，PSO改进算法(1)和PSO改进算法(2)具有更好的全局优化性能，局部收敛精度和BP神经网络的权值学习能力。<br> 此外，为了进一步拓展PSO改进算法(2)的应用领域及在应用领域内同样具有良好的性能，本文将基于PSO改进算法(2)训练的BP神经网络与离散粒子群算法(DPSO)相结合，应用于无线通信CDMA多用户检测技术，取得了理想的效果，达到了优化的目的，为PSO算法在信号处理等应用领域的研究提供了一种新的思根和方法。<br>
分 类 号：TP301.6;TP183<br>
关 键 词：粒子群优化算法;CGA;PSO改进算法;BP神经网络;CDMA多用户检测;全局优化搜索
<p align="center">
<table width="80" border="0" cellspacing="0" cellpadding="0">
<tr>
<td bgcolor="#cccccc">
<table width="100%" border="0" cellspacing="1" cellpadding="0">
<tr style="CURSOR: hand">
<td bgcolor="#CCCCCC" onMouseOver="this.bgColor='#999999';" onMouseOut="this.bgColor='#cccccc';" valign="bottom" height="18" NAME="NAME_BALL" STYLE="cursor:hand" child="FALL"><div align="center"><strong><font size="4"><a href="index.htm">PDF正文</a></font></strong></div></td>
</tr>
</table></td>
</tr>
</table>
</td>
</tr>
</table>
<div align="center"></div>
</body>
</html>
⌨️ 快捷键说明
复制代码
Ctrl + C
搜索代码
Ctrl + F
全屏模式
F11
切换主题
Ctrl + Shift + D
显示快捷键
?
增大字号
Ctrl + =
减小字号
Ctrl + -