改进果蝇算法优化GRNN在弹痕深度预测中的应用

朱富占; 邹海; 张馨

Chinese

您当前的位置：

首页 >

文章列表页 >

改进果蝇算法优化GRNN在弹痕深度预测中的应用

更新时间：2026-09-04

- 改进果蝇算法优化GRNN在弹痕深度预测中的应用
- Application of Improved Fruit Fly Algorithm Optimization GRNN in Bullet Depth Prediction
- 微电子学与计算机 2019年36卷第2期页码：41-45
- 作者机构：
  
  安徽大学计算机科学与技术学院,安徽,合肥,230601
- 作者简介：
- 基金信息：
  
  国家自然科学基金项目 61374128
- DOI：
  中图分类号：
- 纸质出版：2019
- 稿件说明：
移动端阅览
朱富占, 邹海, 张馨. 改进果蝇算法优化GRNN在弹痕深度预测中的应用[J]. 微电子学与计算机, 2019, 36(2): 41-45.

ZHU Fu-zhan, ZOU Hai, Zhang Xin. Application of Improved Fruit Fly Algorithm Optimization GRNN in Bullet Depth Prediction[J]. 2019, 36(2): 41-45.
朱富占, 邹海, 张馨. 改进果蝇算法优化GRNN在弹痕深度预测中的应用[J]. 微电子学与计算机, 2019, 36(2): 41-45. DOI：

ZHU Fu-zhan, ZOU Hai, Zhang Xin. Application of Improved Fruit Fly Algorithm Optimization GRNN in Bullet Depth Prediction[J]. 2019, 36(2): 41-45. DOI：

摘要

本文采用果蝇优化算法来优化广义回归神经网络的平滑因子

提出了基于改进果蝇算法优化广义回归神经网络的弹痕深度建模方法

将该方法与未经优化的广义回归神经网络测试函数逼近误差

结果明显优于未经优化的广义回归神经网络.最后

通过与未经优化的广义回归神经网络、原始果蝇优化算法优化的广义回归神经网络以及BP神经网络进行比较

其性能明显优于另外三种方法

验证了该方法在弹痕深度预测中的有效性.

Abstract

We use the fruit flies optimization algorithm to optimize smoothing factor of generalized regression neural network

and thus proposed the bullet scratch depth modeling method based on the optimization of the generalized regression neural network with improved fruit flies optimization algorithm

and the method is much better than the unoptimized generalized regression neural for function approximation.In the end

take the generalized regression neural network without optimization method

the unoptimized generalized regression neural network with original fruit flies optimization algorithm and the BP neural network into comparison

the performance of this method is superior to the other three methods

it verified the effectiveness of this method in the bullet scratch depth prediction.

关键词

Keywords

references

Yun X F, Dai X S, Zhao J Y, et al. On a novel multi-swarm fruit fly optimization algorithm and its application[J]. Applied Mathematics and Computation, 2014, 233:260-271. DOI: 260

Specht D F. A general regression neural network [J]. IEEE Transactions on Neural Networks, 1991, 2(6):568-576. DOI: 568

赵佳鑫, 高岳林, 陈群林.一种求解非线性规划问题的粒子群算法[J].宁夏大学学报(自然科学版), 2017, 38(2):15-22. DOI: 15

曹岩枫, 徐诚.基于果蝇算法优化广义回归神经网络的机枪枪管初速衰减建模与预测[J].兵工学报, 2017, 38(1):1-8. DOI: 1

Gupta Y, Gupta M, Kumar A, et al. A genetic algorithm-based approach to cell composition and layout design problems [J]. Transportation Research, 1996, 34(2):447-482. DOI: 447

朱志同, 赵阳, 李炜, 等.基于改进果蝇算法求解混合整数非线性规划问题[J].计算机应用与软件, 2017, 34(6):262-308. DOI: 262

高野.对射击弹壳上几种痕迹特征变化的分析[J].辽宁警专学报, 2003, 22(6):36-38. DOI: 36

韩毅, 张双喜, 谢昊原.一种枪弹痕迹自动对比算法[J].计算机仿真, 2013, 30(3):30-33. DOI: 30

梅海涛, 华继学, 王毅.求解非线性规划问题的改进直觉模糊遗传算法[J].计算机科学, 2016, 43(9):250-254. DOI: 250

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

超低功耗实时时钟电路的设计

面向处理器分支预测单元的Spectre攻击轻量化防御方法

一种基于特征上下文理解与切片分析的肺结核检测算法

基于多尺度融合与小目标增强的航拍车辆检测算法

大模型发展综述：从BERT到Deepseek的技术演进