针对室内低浓度甲醛气体的定量分析中,反向传播（BP）算法初始权重敏感性、容易陷入局部极值等问题,以遗传算法优化BP网络,对浓度范围在（0.0020.06）×10-6的30组不同浓度的甲醛气体进行定量分析。通过对室内气体中的甲醛气体的初始数据进行优化,将优化的权值阈值代入BP网络,进行浓度的回归分析,并与BP神经网络模型回归效果对比,结果表明:遗传算法优化BP网络方法运行时间约为BP网络的1/2,且预测精度明显高于BP网络。相较于BP网络,遗传算法与BP网络结合更适合处理甲醛气体定量分析问题。 图1所示［9］。图1BP网络结构如图1，BP网络结构中，网络共有M个输入节点，L个输出节点，隐含层包含q个神经元。x1，x2，…，xM为实际输入，y1，y2，…，yL为实际输出，tk(k=1，2，…，L)为期望输出值，ek(k=1，2，…，L)为输出误差。BP网络存在一定局限性，表现为:1)需要的参数较多，且多以经验给出范围;2)容易陷入局部最优;3)初始权重敏感性;4)样本依赖性［10］。2GA优化的BP神经网络选择GA优化BP神经网络的原因是［11］:1)BP网络算法基于梯度，收敛速度慢，且常受局部极小点的困扰，GA可避免这种问题［12］;2)BP神经网络是非线性混合优化问题，GA并未规定一定要用数来表示［13］。2．1GA优化BP神经网络方法2．1．1算法流程采用GA优化BP神经网络的权值阈值，种群中的每个个体均包含了一个网络所有权值阈值，个体通过适应度函数计算个体适应度值，遗传算法经过选择特征点集-数控滚圆机滚弧机价格低电动液压滚圆机滚弧机多少钱、交叉和变异操作找到最优适应度值对应个体。BP神经网络预测用GA得到最优个体对网络初始权值阈值初始化，网络经训练后预测函数输出。本文BP神经网络结构为6－12－1，即共有6×12+12×1=84个权值，12+1=13个阈值，所以GA个体编码长度为84+13=97。将训练数据预测误差绝对值和作为个体适应度值，个体适应度值越小，该个体越优。GA优化BP神经网络的流程［10］， 本文有张家港市泰宇机械有限公司全自动倒角机采集网络整理，http://www.daojiaoj.com 如图2。图2GA优化BP神经网络算法流程2．1．2参数设置1)适应度函数预测输出和期望输出间的误差绝对值和作为个体适应度值FF=k(∑ni=1|yi－oi|)(1)式中n为网络输出节点数;yi为BP神经网络第i个节点的期望输出;oi为第个节点的预测输出;k为系数。2)选择操作采用轮盘)采用四元数法求得旋转矩阵R和平移向量qT;7)计算迭代后的数据点集合pk+1=pkR+qT;8)计算均方匹配误差，并判断2次迭代是否收敛，若不收敛，则继续执行步骤(5)，直到结果收敛。4实验结果与分析2GB、主频2．1GHz，WIN10操作系统的计算机环境下利用MATLAB2014软件进行仿真实验。实验图像如图2所示，图2(a)分辨率为256×256;图2(b)分辨率为1024×583;图2(c)、图2(d)分辨率均为1616×1256。图2实验图像4．1特征点检测算法效果将改进特征点检测算法与传统Harris算法分别对图2中的4幅测试图像进行对比实验。2种算法运行的时间和特征点数量如表1所示，特征点检测效果对比如图3所示。表1Harris算法与改进算法检测时间对比实验对象特征点数量Harris算法改进算法消耗时间/sHarris算法改进算法图1(a)8154002．3021．633图1(b)234511486．0243．208图1(c)108238214．2495．674图1(d)98542513．6945．186从表1可以得出:改进算法由于不需完整计算整幅图像每一个像素点的响应函数，相对于传统Harris算法所需计算量大幅减少，运算效率明显提升，并且图像的分辨率越高效率提升的越明显，平均消耗时间仅有原算法的50．4%。从图3可以得出:改进算法检测出的特征点数量虽然较原算法少，但既能有效地表现出图像所包含的特征信息，又能使特征点的分布更加均匀。4．2算法整体效果利用图2(c)、图2(d)图像进行测试，首先检测出2幅图像的特征点集合并构造出对应的特征点集合如图4所示，对构造出的点集使用ICP算法进行配准，其配准结果如图5所示。可以得出:经过反复迭代计算之后，2幅图像中图32种算法检测结果对特征点集-数控滚圆机滚弧机价格低电动液压滚圆机滚弧机多少钱 本文有张家港市泰宇机械有限公司全自动倒角机采集网络整理，http://www.daojiaoj.com