- 博客(277)
- 收藏
- 关注
RSS订阅原创 2025年优化算法：真菌生长优化算法(Fungal Growth Optimizer，FGO)
真菌生长优化算法(Fungal Growth Optimizer，FGO) 是发表在中科院一区期刊“”（IF：6.7）的智能优化算法。
2025-04-02 21:32:29
792
原创 贝叶斯优化算法的应用：基于BO-LSSVM的数据回归预测（多输入输出）
贝叶斯优化（Bayesian Optimization, BO）是一种基于概率模型的全局优化方法，核心思想是通过构建目标函数的代理模型（Surrogate Model）和设计智能的采集函数（Acquisition Function），在有限的评估次数内逼近最优解。1. 代理模型（Surrogate Model）使用概率模型（如高斯过程）对目标函数进行建模，提供任意参数点的预测值及其不确定性估计。非参数模型，适应任意复杂函数形态。输出为概率分布，包含均值（预测值）和方差（不确定性）。
2025-04-01 11:52:49
715
原创 经典优化算法：蚁群优化算法（Ant Colony Optimization，ACO）
ACO的核心是通过蚂蚁的协作和信息素（pheromone）机制引导搜索方向。在连续优化中，这一思想演变为：概率模型：使用高斯核函数描述解空间分布，通过均值和标准差动态调整搜索范围。信息素更新：保留历史优质解（存档），通过权重和概率选择机制更新搜索方向。
2025-03-31 10:30:27
1015
原创 经典优化算法：粒子群优化算法（Particle swarm optimization，PSO）
粒子群优化算法是1995年发表在“Proceedings of ICNN'95 - International Conference on Neural Networks”的优化算法，至今直接引用3w+，是最经典的优化算法之一。
2025-03-28 22:47:05
931
原创 经典优化算法：遗传算法（Genetic Algorithm, GA）
网上有许多关于遗传算法原理的解读，这里博主也不必做过多的介绍，现在从已有的MATLAB代码为切入点简单介绍一下遗传算法。
2025-03-27 21:33:34
1326
1
原创 《Science》期刊发表的经典优化算法：模拟退火算法（Simulated Annealing，SA）
1.回归/时序/分类预测类：BP、RF、XGBoost、RBF、LSSVM、SVM、ELM、DELM、ESN、RELM等等均可，优化算法优化BP为例，可达到以下效果：（1）优化BP神经网络的数据时序预测（2）优化BP神经网络的数据回归(多输入多输出)预测（3）优化BP神经网络的数据回归预测2.分解类：EEMD、VMD、REMD、CEEMDAN、ICEEMDAN、SVMD等分解模型均可，优化算法优化为例，可达到以下效果：（1）基于改进天鹰优化算法(IAO)优化的VMD参数（2）
2025-03-21 17:54:02
1088
原创 2025年优化算法：人工旅鼠算法(Artificial lemming algorithm，ALA)
人工旅鼠算法(Artificial lemming algorithm，ALA)是发表在中科院二区期刊“ARTIFICIAL INTELLIGENCE REVIEW”（IF：11.7）的2025年智能优化算法。
2025-03-20 21:44:25
1097
1
原创 2025年优化算法：龙卷风优化算法（Tornado optimizer with Coriolis force，TOC）
龙卷风优化算法（Tornado optimizer with Coriolis force）是发表在中科院二区期刊“”（IF：11.7）的智能优化算法。
2025-03-19 18:12:58
1536
原创 论文关键代码复现：基于ZOA优化VMD-IAWT岩石声发射信号降噪算法
岩石声发射信号作为表征岩体内部损伤演化的关键载体，其降噪处理面临三大挑战：（1）非平稳特性：脆性破裂产生的AE信号具有宽频带（10-500kHz）、突发瞬态特性，传统傅里叶变换与小波基选择缺乏自适应能力；（2）模态混叠：经验模态分解（EMD）类方法在处理多组分信号时易产生虚假模态，导致有效IMF分量误判率超过35%；（3）参数敏感性：VMD算法的分解效果高度依赖K与α参数，人工经验调参在复杂岩性场景下泛化性不足。
2025-03-17 21:17:25
754
原创 基于多种优化算法改进极限学习机(ELM)的数据回归预测(多输入多输出)
极限学习机（Extreme Learning Machine, ELM）自2004年由黄广斌教授提出以来，凭借其颠覆性的训练范式在机器学习领域掀起持续研究热潮。与传统神经网络相比，ELM在保持单隐层前馈神经网络（SLFN）强大逼近能力的同时，通过与的独特机制，实现了。就像手工雕刻家：需要反复调整每一处细节（权重），直到作品完美。而则是3D打印：先快速构建主体框架（随机初始化输入权重），再精准填充关键结构（解析计算输出权重）。
2025-03-05 18:39:40
785
原创 基于改进秃鹰算法优化BP神经网络数据回归预测(IBES-BP)
(训练具有一定的随机性,不一定比优化前的效果好,许多次运行)。：基于经验公式自动搜索最优值。：默认7:3比例，可自定义。MATLAB科研小白。
2025-02-27 22:10:44
298
原创 【元启发式优化算法】麋鹿优化算法（EHO）
最新提出的麋鹿优化算法（Elk Herd Optimization, EHO），首次将这种壮观的自然仪式转化为数学语言：雄性麋鹿的角力竞争对应全局搜索策略，母鹿群的动态重组实现局部开发机制，幼鹿的跨群迁徙则巧妙维持种群多样性。在CEC2017基准测试中，该算法以92%的成功率刷新了传统PSO、GA等算法的性能上限，更在无人机路径规划、芯片散热设计等工程场景中展现出惊人的适应能力——这不仅是自然法则与计算智能的跨界共鸣，更是群体智能领域一次突破性的范式转移。的个人公众号（即文章下方二维码），并回复。
2025-02-24 00:05:40
377
原创 【改进优化算法】基于莱维飞行策略和模拟退火机制的改进秃鹰搜索算法
本公众号致力于解决找代码难，写代码怵。各位有什么急需的代码，欢迎后台留言~不定时更新科研技巧类推文，可以一起探讨科研，写作，文献，代码等诸多学术问题，我们一起进步。2.早熟收敛：GA/PSO等算法易陷局部最优，模型在验证集表现虚高。2.退火机制：在参数敏感区启动“显微镜式”精细搜索，精度提升10倍。1..随机搜索：盲目采样可能错过最优解，关键参数敏感区域未被覆盖。1.莱维飞行：10%概率触发长距离参数跳跃，突破局部最优屏障。的个人公众号（即文章下方二维码），并回复。MATLAB科研小白。
2025-02-22 18:11:55
221
原创 【元启发式优化算法】秃鹰搜索优化算法(BEO)
秃鹰搜索算法(BES)作为一种基于群体智能的元启发式优化算法，其流程遵循典型的优化框架：算法初始化阶段随机生成候选解集（秃鹰种群），通过仿生行为规则逐步逼近最优解。秃鹰搜索算法(BES)通过模拟秃鹰捕鱼的三阶段智能行为实现优化：首先在空间选择阶段定位猎物密集区域，接着在搜索阶段进行精细勘探，最后基于最优位置发起定向俯冲捕猎。本公众号致力于解决找代码难，写代码怵。各位有什么急需的代码，欢迎后台留言~不定时更新科研技巧类推文，可以一起探讨科研，写作，文献，代码等诸多学术问题，我们一起进步。
2025-02-17 18:22:53
337
原创 【元启发式优化算法】算术优化算法（AOA）
通常，基于群体的算法从一组随机生成的候选解决方案开始其改进过程（优化过程）。然而，对于给定的问题，获得全局最优解的概率会因足够数量的随机解和优化迭代而增加。后者是在勘探阶段获得的解决方案的提高精度。在下面的小节中，将讨论算术运算符（即乘法、除法、减法和加法）的行为及其在所提出的算法中的影响。通过不同的场景评估了所提出的 AOA 的性能、收敛行为和计算复杂性的分析。各位有什么急需的代码，欢迎后台留言~不定时更新科研技巧类推文，可以一起探讨科研，写作，文献，代码等诸多学术问题，我们一起进步。
2024-12-31 17:48:55
775
原创 【MATLAB APP Designer】小波阈值去噪（第一期）
不同的小波基函数对不同的信号具有不同的去噪效果，因此需要根据信号的特点来选择。通常，如果某个小波系数的绝对值小于设定的阈值，则认为该系数主要由噪声贡献，可以将其置为0（硬阈值）或缩小到接近0（软阈值）。注：博主2025年的计划是将部分代码进行可视化GUI界面的设计，进行APP Designer的开发，目前处于初级阶段，功能比较简单，有其他需求的可联系博主进行个性化定制。各位有什么急需的代码，欢迎后台留言~不定时更新科研技巧类推文，可以一起探讨科研，写作，文献，代码等诸多学术问题，我们一起进步。
2024-12-31 17:42:52
608
原创 【24年优化算法】捕鱼优化算法（CFOA）：一种解决聚类问题的新的人类行为算法
捕鱼优化算法（Catch fish optimization algorithm,CFOA）是期刊“Cluster Computing ”的智能优化算法。
2024-12-28 21:37:33
1342
原创 【元启发式优化算法】人工生态系统优化算法（AEO）
本研究还考虑了 AEO 在水文地质参数识别领域的应用，以进一步评估其在实践中的有效性，展示了其在解决困难和未知搜索空间的挑战性问题方面的潜力。杂食者根据生产过程提供的解和随机选择的具有更高能级的解决方案来更新其解决方案。 3. 消耗使 AEO 能够根据生产过程提供的解决方案或随机选择的具有较高能量水平的个体的解决方案，或两者兼而有之，更新个人的解决方案。各位有什么急需的代码，欢迎后台留言~不定时更新科研技巧类推文，可以一起探讨科研，写作，文献，代码等诸多学术问题，我们一起进步。MATLAB科研小白。
2024-12-28 21:33:15
283
原创 改进小波阈值去噪（六）
本公众号致力于解决找代码难，写代码怵。各位有什么急需的代码，欢迎后台留言~不定时更新科研技巧类推文，可以一起探讨科研，写作，文献，代码等诸多学术问题，我们一起进步。试验结果表明,改进阈值函数图像去噪方法较之现有方法具有更小的均方误差、更高的峰值信噪比、更高的结构相似性和更小的梯度幅值相似度偏差,去噪效果更优.性质良好的小波阈值去噪方法在图像去噪领域中应用十分广泛.的个人公众号（即文章下方二维码），并回复。MATLAB科研小白。
2024-12-06 21:15:26
345
原创 改进小波阈值去噪（五）
小波软阈值函数和硬阈值函数在去噪中已经有很多应用,然而硬阈值函数在阈值点处不连续以及软阈值函数的恒定误差问题仍然会对去噪效果产生一些影响。因此笔者在前人的研究的基础上,设计了一种新的阈值函数,综合了软阈值 与硬阈值函数的特点。各位有什么急需的代码，欢迎后台留言~不定时更新科研技巧类推文，可以一起探讨科研，写作，文献，代码等诸多学术问题，我们一起进步。地震资料通常包含大量噪声,为了有效去除噪声,提高地震信号的信噪比,这里提出一种联合变分模态分解(VMD)与改进小波阈值去噪的方法。的个人公众号，并回复。
2024-12-06 21:09:31
655
原创 改进小波阈值去噪（四）
考虑软、硬阈值函数为奇函数，结合上述两个 提出的阈值函数思想，这里提出一种基于指数函数 的改进方法，并设置以绝对值"的阈值为界采用不 同底数的指数，指数函数是一种基本的初等函数， 定义域中函数图形都是下凸，通过不断的调整指数 的底数和自变量形式，是为了调整适应不同层数的 阈值函数，这样能更好的对每层带噪信号小波系数 做去噪处理，极大的提高了去噪的效果。，并采用粒子群优化算法寻找改进阈值函数在某一背景噪声环境中的最优参数值，将改进的小波阈值函数与贝叶斯阈值方法相结合，重构处理后得到最优小波系数的语音信号。
2024-11-23 22:30:37
351
1
原创 改进小波阈值去噪（三）
ECG信号是微弱的电信号，在实际生活中，ECG信号的采集过程容易受环境、仪器等其他外部因素的影响，这些因素会影响心电信号Ｐ波和Ｑ波等低频部分的采集。所以，降低ECG信号中的噪声显得尤其重要。
2024-11-23 22:26:15
187
原创 改进小波阈值去噪（二）
小波阈值降噪是一种广泛使用的信号处理技术，其核心思想是通过小波变换将原始信号分解为多个不同尺度的分量，然后对每个分量进行阈值处理，将低于某个阈值的分量置为零，从而去除信号中的噪声。小波阈值降噪是一种广泛使用的信号处理技术，其核心思想是通过小波变换将原始信号分解为多个不同尺度的分量，然后对每个分量进行阈值处理，将低于某个阈值的分量置为零，从而去除信号中的噪声。各位有什么急需的代码，欢迎后台留言~不定时更新科研技巧类推文，可以一起探讨科研，写作，文献，代码等诸多学术问题，我们一起进步。MATLAB科研小白。
2024-11-23 21:01:19
343
原创 改进小波阈值去噪（一）
因此，在实际应用中，需要根据信号的特点和降噪需求进行灵活选择和调整。小波阈值降噪是一种广泛使用的信号处理技术，其核心思想是通过小波变换将原始信号分解为多个不同尺度的分量，然后对每个分量进行阈值处理，将低于某个阈值的分量置为零，从而去除信号中的噪声。在具体应用中，阈值的选择至关重要，为了克服硬、软阈值在信号消噪中存在的不足,本文对软阈值函数进行了改进。各位有什么急需的代码，欢迎后台留言~不定时更新科研技巧类推文，可以一起探讨科研，写作，文献，代码等诸多学术问题，我们一起进步。图1改进后软阈值函数。
2024-11-22 16:59:24
821
原创 多种智能优化算法优化的逐次变分模态分解（SVMD）参数
逐次变分模态分解（Sequential Variational Mode Decomposition, SVMD）是一种信号处理技术，主要用于将复杂信号分解为多个本征模态函数（Intrinsic Mode Functions, IMF）。SVMD通过迭代优化过程，将信号分解为一系列的模态分量，每个模态分量具有特定的频率和振幅，能够更好地捕捉信号的局部特征。SVMD的核心思想是通过变分原理，最小化信号与模态分量之间的误差，同时满足模态分量的频谱分离条件。
2024-11-18 22:27:38
1951
原创 多种智能优化算法优化极致梯度提升算法(XGBoost)的数据回归预测
XGBoost（Extreme Gradient Boosting）是一种基于梯度提升决策树（GBDT）的机器学习算法，通过构建多棵树来逐步减少预测误差。关键参数包括：① 树的数量② 树的深度：每棵树的最大深度。③ 学习率：每棵树的权重缩减系数，控制每棵树对最终模型的贡献。通过多种智能优化算法优化XGBoost的参数，可以显著提高其在数据回归预测任务中的性能。这些算法通过模拟自然现象的优化过程，能够有效地探索参数空间，找到最优的参数组合，从而提升模型的预测精度和泛化能力。
2024-11-18 10:21:48
1636
原创 多种智能优化算法优化最小二乘支持向量机（LSSVM）的数据回归预
LSSVM是一种基于SVM的回归模型，通过最小化一个线性方程组的解来确定模型参数。其关键参数包括：惩罚系数C：控制模型的训练误差和复杂度之间的平衡。核参数γ：对于RBF核，控制数据在高维空间中的映射。2. 最小二乘支持向量机的不足虽然ELM具有快速训练优势，但其准确性和稳定性对隐藏层的参数十分敏感：参数敏感性：LSSVM的性能对惩罚系数C和核参数γ的选择非常敏感。初始参数选择：随机初始化可能导致模型陷入局部最优解。计算复杂度：在大规模数据集上，计算时间和内存需求较高。3. 多种智能优化算法。
2024-11-15 21:32:51
1387
原创 多种智能优化算法优化回声状态网络(ESN)的数据回归预
正回声状态网络是一种递归神经网络，主要由三部分组成：输入层：接收外部输入数据。储备池：一个大型、随机连接的隐藏层，负责生成内部状态。输出层：一个线性层，用于将内部状态映射到期望的输出。
2024-11-15 20:17:26
607
原创 多种智能优化算法优化正则化极限机器学习机(RELM)的数据回归预测
正则化极限学习机是基于随机初始化的单隐藏层前馈神经网络，通过在目标函数中加入正则化项来约束模型复杂度。在回归任务中，RELM旨在最小化预测误差和正则化项的组合。2. 极限学习机的不足参数敏感性：RELM的性能对隐藏层神经元数、激活函数和正则化系数的选择非常敏感。权值优化复杂度：尽管引入了正则化，随机初始化权重仍可能影响模型的稳定性，需要进一步优化。3. 多种智能优化算法采用智能优化算法来找到最佳SVM参数，有效提升模型性能。
2024-11-15 17:47:22
690
原创 降阶变分模态分解（RVMD）：揭示流体流动中的瞬态和非平稳动力学
注：由于博主的是水平有限，对RVMD在流体力学相关的应用可以浏览：发掘数据中的瞬态/非平稳动力学 | 降阶变分模态分解(RVMD)
2024-11-07 17:53:54
794
原创 群分解(Swarm Decomposition，SWD)
群体分解（SWD）通过利用群体智能算法将复杂的信号分解为多个群体成分，每个成分代表信号中的特定特征模式。SWD在信号处理和数据分析中具有广泛的应用，可以有效提取和重构信号中的特征模式。通过深入研究和应用SWD，我们可以更好地理解和处理各种类型的信号和数据，为信号处理和数据分析提供新的思路和方法。
2024-11-06 16:30:45
521
原创 多种智能优化算法优化极限学习机(ELM)数据回归预测
ELM结构包括一个输入层、一个隐藏层和一个输出层。它的主要优点在于隐含层的神经元参数是随机生成的，而对应的输出层权重则是通过线性方程组解得。关键步骤包括：(1) 随机生成隐藏层参数，如权重和偏置。(2) 计算隐藏层输出。(3) 线性求解输出层权重，使得输出误差最小。通过结合智能优化算法，ELM神经网络可以更好地进行参数选择，提高其回归预测能力。这些算法不仅加速了参数收敛，还提升了模型的精确度和在不同数据集上的泛化能力。利用多种优化技术提供的全局搜索能力，能有效地改善ELM的整体性能。
2024-10-27 19:37:19
964
原创 基于多种智能优化算法优化BP神经网络的数据回归(多输入多输出)预测
BP神经网络是一种经典的前馈神经网络，利用梯度下降法通过误差反向传播算法来调整权重。其基本结构包括输入层、隐藏层和输出层。在回归问题中，BP神经网络通过输入特征向量进行训练，来逼近目标值。多输入：神经网络接受多个特征作为输入。多输出：神经网络输出多个预测值，适用于多维回归问题。将智能优化算法与BP神经网络结合可以有效提升神经网络的回归预测能力，尤其是在多输入多输出的复杂场景下，智能优化算法的引入能改善BP神经网络的局部最优问题和收敛速度，使模型的预测更加精确和稳定。
2024-09-22 01:00:58
1068
原创 基于多种智能优化算法优化BP神经网络的数据回归预测
BP神经网络是一种多层前馈神经网络，主要用于解决非线性映射问题。它通过一个前向传播和一个反向传播的过程进行训练：（1）前向传播：输入信号经过输入层、隐藏层，直到输出层逐层传递，并得到预测输出。（2）反向传播：计算预测输出与实际输出的误差，然后将误差反向传播，通过调整网络中的权重和偏置，来最小化误差。综合利用智能优化算法优化BP神经网络，可以有效地改善其训练和预测性能，使其更好地应用于复杂的非线性回归预测任务。
2024-09-14 16:59:36
1397
原创 基于多种智能优化算法优化BP神经网络的数据时序预测
BP神经网络是一种常见的前馈神经网络，其通过反向传播算法来调整权重和偏置，以最小化预测误差。然而，BP神经网络在训练过程中常常面临局部最优、收敛速度慢以及容易陷入过拟合等问题，特别是在处理复杂的时序数据时，这些缺点尤为明显。
2024-09-11 11:43:16
1096
原创 基于CNN-BiLSTM-Adaboost的数据回归预测
CNN-BiLSTM-Adaboost模型通过结合卷积神经网络的特征提取能力、双向LSTM的时序依赖捕捉能力和Adaboost的集成学习优势，能够有效提升数据回归预测的准确性。其主要挑战在于计算复杂度和参数调试的复杂性。
2024-07-22 22:15:37
1538
原创 基于CNN-LSSVM的数据回归预测
基于CNN-LSSVM的数据回归预测是一种结合卷积神经网络（CNN）和Least Squares Support Vector Machine（LSSVM，最小二乘支持向量机）的混合模型，用于处理和预测时间序列数据或具有时序特征的数据。本公众号致力于解决找代码难，写代码怵。各位有什么急需的代码，欢迎后台留言~不定时更新科研技巧类推文，可以一起探讨科研，写作，文献，代码等诸多学术问题，我们一起进步。的个人公众号（即文章下方二维码），并回复。MATLAB科研小白。
2024-07-22 22:14:24
411
原创 基于CNN-LSTM的数据回归预测
基于CNN-LSTM的数据回归预测是一种结合卷积神经网络（CNN）和长短期记忆网络（LSTM）的混合模型，适用于处理和预测时间序列数据。本公众号致力于解决找代码难，写代码怵。各位有什么急需的代码，欢迎后台留言~不定时更新科研技巧类推文，可以一起探讨科研，写作，文献，代码等诸多学术问题，我们一起进步。的个人公众号（即文章下方二维码），并回复。MATLAB科研小白。
2024-07-22 22:12:59
2126
1
原创 基于CNN-SVM的数据回归预测
基于CNN-SVM的数据回归预测是一种结合卷积神经网络（CNN）和支持向量机（SVM）的混合模型，用于处理和预测时间序列数据或其他具有时序特征的数据。本公众号致力于解决找代码难，写代码怵。各位有什么急需的代码，欢迎后台留言~不定时更新科研技巧类推文，可以一起探讨科研，写作，文献，代码等诸多学术问题，我们一起进步。的个人公众号（即文章下方二维码），并回复。MATLAB科研小白。
2024-07-22 22:11:15
778
原创 基于CNN-BiLSTM的数据回归预测
基于CNN-BiLSTM的数据回归预测是一种结合卷积神经网络（CNN）和双向长短期记忆网络（BiLSTM）的混合模型，用于处理和预测时间序列数据。本公众号致力于解决找代码难，写代码怵。各位有什么急需的代码，欢迎后台留言~不定时更新科研技巧类推文，可以一起探讨科研，写作，文献，代码等诸多学术问题，我们一起进步。的个人公众号（即文章下方二维码），并回复。MATLAB科研小白。
2024-07-22 22:08:10
1227
1
信号分解-EMD(内时域图和频谱图)
2023-09-24
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人