信息检索作业

第一篇：信息检索作业

拉里·佩奇简介

拉里·佩奇，全名劳伦斯·爱德华·佩奇（LawrenceEdwardPage），美国密歇根大学安娜堡分校的荣誉毕业生，拥有密歇根大学理工科学士学位和斯坦福大学计算机科学博士学位。佩奇是Google公司的创始人之一，2011年4月4日正式出任谷歌CEO。2013年，拉里·佩奇获选2013美国40岁以下最有影响力CEO，并以230亿美元资产荣登福布斯2013全球富豪榜第二十位。

家庭身世

拉里·佩奇1973年出生在美国密歇根州东兰辛市的一个犹太家庭，父亲卡尔文森·佩奇是一个密歇根州立大学计算机教授，拥有计算机科学博士学位，母亲葛洛丽亚·佩奇也是密歇根州立大学（MSU）的一个计算机教授，是一名犹太教徒。

求学时代

拉里·佩奇在1975-1979年就读于奥基莫斯的蒙台梭利学校，并于1991毕业于东兰辛高中。

1992年佩奇进入密西根大学学习，在美国安阿伯就读期间，他担任密西根大学EtaKappaNu荣誉学会的会长，并是太阳能汽车组织的成员之一，他还用乐高积木制成一台可编程的绘图喷墨打印机，其指导教授是TerryWinograd博士。

1996年，佩奇进入斯坦福大学学习，在攻读计算机理学博士学位期间，拉里·佩奇遇到了谢尔盖·布林，[6]佩奇在斯坦福大学获得博士学位后，开始休学。

2003年获得IE学院工商管理硕士学位。创建谷歌

1996年，佩奇和布林开始合作研究一名为“BackRub”的搜索引擎，到1998年上半年逐步完善这项技术后，两人合作运行Google搜索，并以PageRank为基础给网页排名，同时两人也开始为这项技术寻找合作伙伴。

他们找到雅虎的创始人之一戴维·菲洛，菲洛认为他们的技术确实很可靠，但建议他们自己建立一个搜索引擎公司发展业务，发展起来后再考虑合作。他们的一位教师，也是SUN微系统的创始人之一安迪·别赫托希姆在关键时刻给予他们很大帮助。别赫托希姆确是个很有远见的人，在看完他们的演示后，立马开了张10万美元的支票帮助成立Google公司。之后两人又从家人朋友那里到处借钱，筹得100万美元作为最初投资。

1998年9月7日，Google公司在加利福尼亚州的曼罗帕克正式成立。他们雇用了第一位员工克雷格·希尔弗斯坦成为Google公司的科技主管。

1999年2月他们搬了新的办公室，虽然条件仍然简陋，但比车库好点，一张乒乓桌就作为正式的会议场所，8名员工在办公室里都转不过身，一个人要出门所有人都得起身挪开凳子才能腾出地方。到了6月份时，Google得到红杉资本和KleinerPerkinsCaufield两家风险投资基金的2500万美元注资，并在9月21日这天，Google不再是测试版的搜索引擎，开始每天处理约3亿个搜索结果。

2000年在佩奇的领导下Google发展成为最大的互联网搜索引擎，雅虎选择Google作为默认的搜索结果供应商。

2001年，佩奇辞去了CEO的职位，从Novell公司聘请埃里克·施密特博士担任谷歌公司CEO，自己则担任了产品总监。

2003年，佩奇主导谷歌在以1.02亿美元收购了Semantics和Sprinks后推出AdSense，这一广告计划能按照网站内容做广告。2004年，Google在纳斯达克上市。

谢尔盖·布林简介

谢尔盖·布林全名谢尔盖·米克哈伊洛维奇·布林（1973.08.21－），英文名：Sergey Brin，俄语：Сергей Михайлович Брин，美国籍俄罗斯裔企业家，Google公司的创始人之一。谢尔盖目前是Google董事兼技术部总监，近年来在《福布斯》全球亿万富豪排行榜上始终名列前茅，2011年他以198亿美元位列第24位。2013福布斯全球亿万富豪榜排名第21位。

谢尔盖·布林出生在前苏联一个犹太人家庭。5岁那年，布林跟随父母一起移民美国，从而开始了他美国式的成功历程。他的父亲迈克尔是一位数学家，曾在前苏联计划委员会就职，并曾在莫斯科一所学校任教。

谢尔盖·布林 来到美国后，父亲迈克尔在马里兰大学谋得一个教职，直到现在他还是该学校的数学教授。而布林的母亲则是美国宇航局的一名专家。

其实，布林的祖父也是一名数学教授。受家庭的影响，幼年时期，布林的数学天才就开始显山露水，他同时对电子学有着浓厚的兴趣早在念小学一年级的时候，布林就向老师提交了一份有关计算机打印输出的设计方案，这让老师大为吃惊要知道，当时计算机还刚刚开始在美国普通家庭出现。

中学毕业后，布林进入马里兰大学攻读数学专业，同时双修了计算机科学。父亲迈克尔希望他能沿着自己的足迹成民，在数学的道路上一走到底然而，布林并没有按照父亲给他设定的规划发展。由于成绩杰出，布林在取得理学学士学位后获得了一个奖学金，随后进入斯坦福大学。在斯坦福大学，这位天才学生再次得到命运的青睐，校方允许他免读硕士学位而直接攻读计算机专业博才坦福大学攻读计算机专业博士学位。不过，布林在斯坦福攻读博士期间选择了休学，与在斯坦福结识了拉里·佩奇。两人开始使用宿舍里廉价的主机，应用布林所设计的数据挖掘系统为基础，试图编写出一个卓越的搜索引擎。随着这项计划越来越有成功的可能性，两人遂先暂停其在斯坦福的大学学业，在从苏珊·沃西基（后成为Google高级副总裁）借来的车库里持续发展Google。

2教育经历

谢尔盖毕业于马里兰大学，但是他所建立的Google却只收常春藤盟校的毕业生。谢尔盖曾在马里兰大学学习计算机科学和数学，并于1993年5月获得科学学士学位，而后，他获得美国国家科学基金会的奖学金进入斯坦福大学攻读计算机科学的博士学位，他于1995年8月获得该学位。

谢尔盖还获得了西班牙皇家研究院(Instituto de Empresa)的荣誉工商管理硕士学位。3创立谷歌

24岁创立Google公司 谢尔盖·布林

互联网魅力深深地吸引着布林，他把互联网视为通往未来的必经之路。早在上大学的时候，布林就已经发明了一种超文本语言格式的搜索系统1998竿9月，24岁的布林和25岁的佩奇决定合伙开个公司，公司提供的唯一服务就是搜索引擎在对商业计划一无所知的情况下，布林从一位斯坦福校友那里顺利地拿到了第一笔投资：10万美元。

依靠这10万美元，在朋友的一个车库里，布林和佩奇开始了Google的征程。创立之初，公司除了布林和佩奇之外，就只有一个雇员——克雷格。希尔维斯通——Google现在的技术总监。他们的努力工作不久就得到了回报：那时的Googie每天已经有了1万次搜索，开始被媒体关注1999年，又有两名风险投资家向Google注入了2500万美元的资金，帮助Google进入了一个崭新的发展阶段。

可以说，Google取得的成功源于其创建者布林和佩奇的想象力，同样也源于他们的天赋U在Google创建之时，业界对互联网搜索功能的理解是：某个关键词在一个文档中出现的频率越高，该文档在搜索结果中的排列位置就要越显著。而布林则另有高见，他认为，决定文档在搜索结果中排列位置的因素是一个文档在其它网页中出现的频率和这些网页的可信度，网页在受众中的知名度和质量是决定性因素。事实证明，布林是正确的。

Pagerank算法的介绍

1.PageRank算法概述

PageRank,即网页排名，又称网页级别、Google左侧排名或佩奇排名。

是Google创始人拉里·佩奇和谢尔盖·布林于1997年构建早期的搜索系统原型时提出的链接分析算法，自从Google在商业上获得空前的成功后，该算法也成为其他搜索引擎和学术界十分关注的计算模型。目前很多重要的链接分析算法都是在PageRank算法基础上衍生出来的。PageRank是Google用于用来标识网页的等级/重要性的一种方法，是Google用来衡量一个网站的好坏的唯一标准。在揉合了诸如Title标识和Keywords标识等所有其它因素之后，Google通过PageRank来调整结果，使那些更具“等级/重要性”的网页在搜索结果中另网站排名获得提升，从而提高搜索结果的相关性和质量。其级别从0到10级，10级为满分。PR值越高说明该网页越受欢迎（越重要）。例如：一个PR值为1的网站表明这个网站不太具有流行度，而PR值为7到10则表明这个网站非常受欢迎（或者说极其重要）。一般PR值达到4，就算是一个不错的网站了。Google把自己的网站的PR值定到10，这说明Google这个网站是非常受欢迎的，也可以说这个网站非常重要。2.从入链数量到 PageRank

在PageRank提出之前，已经有研究者提出利用网页的入链数量来进行链接分析计算，这种入链方法假设一个网页的入链越多，则该网页越重要。早期的很多搜索引擎也采纳了入链数量作为链接分析方法，对于搜索引擎效果提升也有较明显的效果。PageRank除了考虑到入链数量的影响，还参考了网页质量因素，两者相结合获得了更好的网页重要性评价标准。对于某个互联网网页A来说，该网页PageRank的计算基于以下两个基本假设：

数量假设：在Web图模型中，如果一个页面节点接收到的其他网页指向的入链数量越多，那么这个页面越重要。

质量假设：指向页面A的入链质量不同，质量高的页面会通过链接向其他页面传递更多的权重。所以越是质量高的页面指向页面A，则页面A越重要。

利用以上两个假设，PageRank算法刚开始赋予每个网页相同的重要性得分，通过迭代递归计算来更新每个页面节点的PageRank得分，直到得分稳定为止。PageRank计算得出的结果是网页的重要性评价，这和用户输入的查询是没有任何关系的，即算法是主题无关的。假设有一个搜索引擎，其相似度计算函数不考虑内容相似因素，完全采用PageRank来进行排序，那么这个搜索引擎的表现是什么样子的呢？这个搜索引擎对于任意不同的查询请求，返回的结果都是相同的，即返回PageRank值最高的页面。3.PageRank算法原理

PageRank的计算充分利用了两个假设：数量假设和质量假设。步骤如下：

1）在初始阶段：网页通过链接关系构建起Web图，每个页面设置相同的PageRank值，通过若干轮的计算，会得到每个页面所获得的最终PageRank值。随着每一轮的计算进行，网页当前的PageRank值会不断得到更新。

2）在一轮中更新页面PageRank得分的计算方法：在一轮更新页面PageRank得分的计算中，每个页面将其当前的PageRank值平均分配到本页面包含的出链上，这样每个链接即获得了相应的权值。而每个页面将所有指向本页面的入链所传入的权值求和，即可得到新的PageRank得分。当每个页面都获得了更新后的PageRank值，就完成了一轮PageRank计算。.2 基本思想：

如果网页T存在一个指向网页A的连接，则表明T的所有者认为A比较重要，从而把T的一部分重要性得分赋予A。这个重要性得分值为：PR（T）/L(T)

其中PR（T）为T的PageRank值，L(T)为T的出链数

则A的PageRank值为一系列类似于T的页面重要性得分值的累加。

即一个页面的得票数由所有链向它的页面的重要性来决定，到一个页面的超链接相当于对该页投一票。一个页面的PageRank是由所有链向它的页面（链入页面）的重要性经过递归算法得到的。一个有较多链入的页面会有较高的等级，相反如果一个页面没有任何链入页面，那么它没有等级。3.3 PageRank简单计算：

假设一个由只有4个页面组成的集合：A，B，C和D。如果所有页面都链向A，那么A的PR（PageRank）值将是B，C及D的和。

继续假设B也有链接到C，并且D也有链接到包括A的3个页面。一个页面不能投票2次。所以B给每个页面半票。以同样的逻辑，D投出的票只有三分之一算到了A的PageRank上。

换句话说，根据链出总数平分一个页面的PR值。

优点：

是一个与查询无关的静态算法，所有网页的PageRank值通过离线计算获得；有效减少在线查询时的计算量，极大降低了查询响应时间。缺点：

1）人们的查询具有主题特征，PageRank忽略了主题相关性，导致结果的相关性和主题性降低

2）旧的页面等级会比新页面高。因为即使是非常好的新页面也不会有很多上游链接，除非它是某个站点的子站点。HITS算法的介绍

HITS算法（Hyperlink-Induced Topic Search），HITS 算法是由康奈尔大学(Cornell University)的Jon Kleinberg 博士于1997 年首先提出的,为IBM 公司阿尔马登研究中心(IBM Almaden Research Center)的名为“CLEVER”的研究项目中的一部分。

按照HITS算法，用户输入关键词后，算法对返回的匹配页面计算两种值，一种是枢纽值（Hub Scores），另一种是权威值(Authority Scores),这两种值是互相依存、互相影响的。所谓枢纽值，指的是页面上所有导出链接指向页面的权威值之和。权威值是指所有导入链接所在的页面中枢纽之和。

一个网页重要性的分析的算法。

通常HITS算法是作用在一定范围的，比如一个以程序开发为主题网页，指向另一个以程序开发为主题的网页，则另一个网页的重要性就可能比较高，但是指向另一个购物类的网页则不一定。

在限定范围之后根据网页的出度和入度建立一个矩阵，通过矩阵的迭代运算和定义收敛的阈值不断对两个向量Authority和Hub值进行更新直至收敛。

描述

HITS[1](Hyperlink – Induced Topic Search)算法是利用HubPAuthority的搜索方法, 具体算法如下: 将查询q提交给基于关键字查询的检索系统，从返回结果页面的集合总取前n个网页(如n=200)，作为根集合(root set)，记为S，则S满足： 1.S中的网页数量较少

2.S中的网页是与查询q相关的网页

3.S中的网页包含较多的权威(Authority)网页

通过向S 中加入被S 引用的网页和引用S 的网页,将S 扩展成一个更大的集合T.以T 中的Hub 网页为顶点集V1 ,以权威网页为顶点集V2。

V1 中的网页到V2 中的网页的超链接为边集E ,形成一个二分有向图.对V1 中的任一个顶点v ,用h(v)表示网页v 的Hub 值,且h(v)收敛;对V2 中的顶点u ,用a(u)表示网页的Authority 值。

开始时h(v)= a(u)= 1 ,对u 执行I 操作,修改它的a(u),对v执行O操作,修改它的h(v),然后规范化a(u),h(v),如此不断的重复计算下面的I操作和O操作,直到a(u),h(v)收敛。其中I操作:a(u)= Σh(v);O 操作: h(v)= Σa(u)。每次迭代对a(u)、h(v)进行规范化处理: a(u)= a(u)/Σ[ a(q)]2;h(v)= h(v)/Σ[ h(q)]2。

第二篇：信息检索作业

1、举例说明搜索引擎中filetype、site、双引号这三个高级检索语法的功能。

1)filetype：很多有价值的资料，在互联网上并非是普通的网页，而是以Word、PowerPoint、PDF等格式存在。百度支持对Office文档（包括Word、Excel、Powerpoint）、Adobe PDF文档、RTF文档进行了全文搜索。要搜索这类文档，很简单，在普通的查询词后面，加一个“filetype：”文档类型限定。“Filetype:”后可以跟以下文件格式：DOC、XLS、PPT、PDF、RTF、ALL。例如：查找 高科的《城市就是健身房》，则输入“ 高科《城市就是健身房》filetype：txt”，点击搜索结果，就可以找到txt版的书。方便快捷。

2)Site：site 的作用把搜索范围限定在特定站点中。有时候,如果知道某个站点中有自己 需要找的东西,就可以把搜索范围限定在这个站点中,提高查询效率。使用的方式,是在查询内容后面加上：“site：站点域名”。冒号后不要带“http:// 《运动心理学》http://

《中国古代体育文化源流》http://

3、结合自己的专业和学习，从四川师范大学图书馆网站上所列示的数据库中各查找一篇文献。1)检索目标：运动性猝死 2）数据库: A.（CNKI）题目：关于运动性猝死的研究及其预防 作者：刘卫华；林建棣；李震 期刊： 解放军体育学院学报

发表日期：2003-01-20 B.（维普）题目：降低马拉松比赛运动员猝死几率可行性的研究

作者：周向成；卢存 期刊：体育科学研究 发表日期：2014年

C.（springgerlink）题目：Unusual cause of exercise-induced ventricular fibrillation in a well-trained adult endurance athlete: a case report 作者：Stefan Vogt；Daniel Koenig；Stephan Prettin；Torben Pottgiesser；Juergen Allgeie；Hans-Hermann Dickhuth；Anja Hirschmueller 发表日期：2008-04-23 D.（EBSCO）题目：Exercise-induced cardiac hypertrophy: a substrate for sudden death in athletes? 作者：G.Hart 发表日期：2003-09 E.（万方）题目：我国大众健身人群运动猝死的调查研究 作者：高晓嶙；常芸

期刊：中国体育科技 发表日期：2009-04-30 F.（人文复印资料）题目：试论“现代体育健身观”

作者：徐本力

期刊：山东体育学院学报 发表日期：2010-02 G.(PQDT)题目：Examining factors related to exercise motivation and habitual exercise participation among employees of a phosphate fertilizer work setting.作者： Campbell, Julia L.期刊：Dissertation Abstracts International 发表日期：2006年

3)阅读器：CAJViewer、Adobe Reade、pdg、adf等 4）检索点：学术期刊（学位论文）检索词：运动性猝死

第三篇：信息检索作业

课外复习、预习与作业：

1.你所在的学院是___________, 通过数据库检索自己学院的教师2005年发表的一篇专业论文，要求写出这篇论文的篇名、作者、作者单位、刊名和年份、卷期。

2.利用CNKI数据库或维普数据库，从以下课题中挑选2个，进行检索。



1、中国财务会计理论结构问题研究



2、试论我国会计理论体系的构建



3、试论我国会计模式的选择



4、试论现代企业制度下的会计改革问题



5、《企业会计准则》若干问题探讨



6、完善会计准则若干问题的思考



7、试论中国会计的国际协调



8、会计创新问题研究



9、中国会计准则与国际会计准则的比较研究



10、关于绿色会计理论的探讨



11、中小企业会计核算若干问题研究



12、关于会计披露问题的研究



13、会计监督弱化原因分析及治理措施



14、关于财务报告问题的研究



15、中西方会计要素的比较研究



16、试论我国会计信息质量特征体系的构建



17、关于合并报表若干理论问题的研究



18、关于人力资源会计若干问题的研究



19、关于会计政策、会计估计问题的研究

20、关于资产负债表日后事项的研究

3.进入读秀知识库，检索张爱玲所著的“第一炉香”，查看并记录其第（你学号+50）页的文字内容。

第四篇：信息检索作业

学号：2014120717

1、举例说明搜索引擎中filetype、site、双引号这三个高级检索语法的功能。1），filetype

Filetype是 Google 开发的一个非常强大而且实用的搜索语法。通过这个语法，Google 不仅能搜索一般的网页，还能对某些二进制文件进行检索。目前Google支持的文件格式包括Doc, Excel,Pdf,Ps, PPT,RTF等等 通过Filetype可以使检索后的内容更精确。

例如，我们想搜索包含“大学转专业申请书”关键词的office文件，就在百度中输入“大学转专业申请书 filetype:doc”。则百度搜到全为DOC文件，可打开来寻求需要的内容。

如此可使我们更快更精确的找到想要的内容。2），site

Site是指把搜索范围限定在特定站点中。如果知道某个站点中有自己需要找的东西，就可以把搜索范围限定在这个站点中，提高查询效率。使用的方式，是在查询内容的后面，加上“site:站点域名”

例如，我们想在四川师范大学的网站上查找“国家奖学金申请表”，可在百度中输入“国家奖学金申请表 site：sicnu.edu.cn”。则百度搜的内容全为川师大网站上的内容。

3），双引号

检索系统会把双引号括起来的检索词作为一个词组来检索，而不是拆分。例如，我们想找“天亮你不想见我”这句话出自的博客，如果不加双引号，会出现被拆分后的众多结果。

而加上双引号后，会搜索出整句。

如此便找到了我们想找的内容。

2、查询本专业经典书籍。

1），公共事业管理专业必读书籍有：.尼古拉斯·亨利.公共行政与公共事务[M].北京：中国人民大学出版社，2002 2.陈振明.公共管理学原理 [M].北京：中国人民大学出版社，2003 3.欧文·休斯.公共管理导论 [M].北京：中国人民大学出版社，2001 等等。

2），这三本书籍可在厦门大学、武汉大学、四川大学三个图书馆找到。

3），通过四川师范大学图书馆网站上的书生之家数据库和超星数据库查询这些书的全文 欧文·休斯.公共管理导论：

尼古拉斯·亨利.公共行政与公共事务：

陈振明.公共管理学原理： 未检索到相关内容。4），电子书下载地址

欧文·休斯.公共管理导论 http:// http://www.xiexiebang.comKI 检索词：研究生论文

文献题目：非英语专业研究生英语自主学习现状调查研究 作者：魏卫

发表时间：2011-12-01 来源：南京航空航天大学

2）阅读器：PDF全文浏览器 检索点：维普中文科技期刊数据库 检索词：化学 文献题名：铜对地聚合物化学结构的影响

作者：李克亮 仝玉萍 刊名：建筑材料学报 出版年：2014 3）阅读器：网页

检索点：人大复印资料 检索词：辛亥革命

文献题名：辛亥革命与现代中国文学 作者：李怡/陈国恩

复印期号：2011年12期

4）阅读器：笔记本

检索点：springgerlink 检索词：Stories of Family 文献题目：Stories of Families 作者：Laurel Lindgren 发表时间：2013

5）阅读器：PDF阅读器 检索点：ebsco 检索词：管理

文献题目：Country Context in Management Research: Learning from John Child

作者：Cheng, Joseph L.C.来源：Management & Organization Review.Nov2014, Vol.10 Issue 3, p337-346.10p.6）阅读器：Acrobat Reader V6.0

检索点：万方学位论文全文数据库 检索词：公共事业

文献题目：公共事业管理专业人才培养模式研究 作者：辛颖 分类号：F24

7）阅读器：PDF阅读器

检索点：PQDD学位论文检索平台

检索词：environmental sciences 文献题目：Carbon Cycling in Tropical Rivers: A Carbon Isotope Reconnaissance Study of the Langat and Kelantan Basins, Malaysia.作者：Lee, Kern.出版日期：2014

第五篇：信息检索作业

题目：.基于粒子群算法的系统辨识方法研究与仿真 检索词（关键词）：粒子群

检索工具：中国科技期刊数据库（维普）（1989-至今）课题分析：根据课题名称及所给的检索词，该课题是基于粒子群算法的系统辨识方法研究与仿真

1.“关键词”检索：

（1）检索式：粒子群算法*系统辨识方法

（2）检索策略：选择“快速检索”的方式，选择“K=关键词”途径以“粒子群*系统辨识”检索。

（3）检索步骤：选择“快速检索”方式，选择“K=关键词”途径以“粒子群”检索，并且选择“K=关键词”途径以“系统辨识”检索。（4）检索结果：

共检索到36篇，其中一篇如下所示：

【 题名 】 基于改进粒子群算法的系统辨识新方法 【 作者 】 徐小平钱富才 王峰

【 机构 】 西安理工大学自动化与信息工程学院,陕西西安710048 [2]西安理工大学理学院,陕西西安710048 [3]西安交通大学理学院,陕西西安710049 【关键词】 粒子群*系统辨识

【 刊名 】 《 系统工程与电子技术 》 【 摘要 】提出了一种利用改进的粒子群优化算法对系统进行辨识的方法。该方法是将典型的数学模型的相互组合而构成系统模型的新辨识方法,即首先将系统结构辨识问题转化为组合优化问题,然后采用粒子群优化算法同时实现系统的结构辨识与参数辨识。为了进一步增强粒子群优化算法的辨识性能,提出了利用一种改进的粒子群优化算法。最后,给出了仿真示例,结果验证了所给的系统辨识方法的合理性和有效性。著者文摘

Abstract: A new method is studied for system identification based on modified particle swarm optimization（MPSO）algorithm.The basic idea of the method employs a system model composed with classical models so as to transform the system structure identification problem into a combinational problem.The particle swarm optimization（PSO）algorithm is then adopted to implement the identification on the system structure and parameters.In order to enhance the performance of the PSO algorithm identification, an MPSO algorithm is also proposed.Finally, simulation results show the rationality and effectiveness of this method..Key words: system identification;modified particle swarm optimization;meta model;combinatorial optimization

2.题名检索：

（1）检索策略：选择“高级检索”方式，选择“T=题名”途径以“粒子群算法”检索，并且选择“T=题名”途径以“系统辨识”检索。（2）检索结果：

共检索到4篇，其中一篇如下所示：

【 题名 】改进量子粒子群算法及其在系统辨识中的应用

【 作者 】黄宇 韩璞 刘长良 李永玲 【 机构 】中国电机工程学院 【关键词】粒子群算法 系统辨识 【 刊名 】《中国电机工程学报》2011年 第20期

【 摘要 】针对量了粒子群算法（quantumparticleswarmoptimization，QPSO）的收敛速度和寻优精度问题，提出了‘种改进的QPSO算法。采用混沌序列初始化量子的初始角位置；在算法中加入变异处理，有效地增加了种群的多样性，避免早熟收敛。函数优化测试结果表明：该文提出的算法具有良好的优化效果。同时利用该文提出的算法对经典的具有无限冲激响廊（infiniteimpulseresponse，IIR）的自适应递归滤波器模型进行了辨识，辨识结果证明了这种算法的有效性。利用此算法，在结合某分散控制系统的基础上，编制出了一种通用的热工对象模型辨识算法模块，并应用于某循环流化床电厂的辨识，取得了令人满意的辨识结果。

3.“中文摘要”检索：

（1）检索策略：选择“快速检索”方式，选择“R=文摘”途径以“粒子群”检索，选择“R=文摘”途径以“算法”进行二次检索，选择“R=文摘”途径以“系统辨识”进行三次检索（2）检索结果：

共检索到34篇，其中一篇如下所示。

【 题名 】 基于改进粒子群算法的系统辨识新方法 【 作者 】 徐小平钱富才 王峰

【 机构 】 西安理工大学自动化与信息工程学院,陕西西安710048 [2]西安理工大学理学院,陕西西安710048 [3]西安交通大学理学院,陕西西安710049 【关键词】 粒子群*系统辨识

【 刊名 】 《 系统工程与电子技术 》 【 摘要 】提出了一种利用改进的粒子群优化算法对系统进行辨识的方法。该方法是将典型的数学模型的相互组合而构成系统模型的新辨识方法,即首先将系统结构辨识问题转化为组合优化问题,然后采用粒子群优化算法同时实现系统的结构辨识与参数辨识。为了进一步增强粒子群优化算法的辨识性能,提出了利用一种改进的粒子群优化算法。最后,给出了仿真示例,结果验证了所给的系统辨识方法的合理性和有效性。著者文摘

Abstract: A new method is studied for system identification based on modified particle swarm optimization（MPSO）algorithm.The basic idea of the method employs a system model composed with classical models so as to transform the system structure identification problem into a combinational problem.The particle swarm optimization（PSO）algorithm is then adopted to implement the identification on the system structure and parameters.In order to enhance the performance of the PSO algorithm identification, an MPSO algorithm is also proposed.Finally, simulation results show the rationality and effectiveness of this method..Key words: system identification;modified particle swarm optimization;meta model;combinatorial optimization

4.“全文”检索：

（1）检索策略：选择“高级检索”方式，选择“U=任意字段”途径以“粒子群”检索，并且选择“U=任意字段”途径以“算法”检索，选择“U=任意字段”途径以“系统辨识”检索

（2）检索结果：

共检索到81篇，其中一篇如下所示：

【 题名 】 基于改进粒子群算法的系统辨识新方法 【 作者 】 徐小平钱富才 王峰

【 机构 】 西安理工大学自动化与信息工程学院,陕西西安710048 [2]西安理工大学理学院,陕西西安710048 [3]西安交通大学理学院,陕西西安710049 【关键词】 粒子群*系统辨识

【 刊名 】 《 系统工程与电子技术 》 【 摘要 】提出了一种利用改进的粒子群优化算法对系统进行辨识的方法。该方法是将典型的数学模型的相互组合而构成系统模型的新辨识方法,即首先将系统结构辨识问题转化为组合优化问题,然后采用粒子群优化算法同时实现系统的结构辨识与参数辨识。为了进一步增强粒子群优化算法的辨识性能,提出了利用一种改进的粒子群优化算法。最后,给出了仿真示例,结果验证了所给的系统辨识方法的合理性和有效性。著者文摘 Abstract: A new method is studied for system identification based on modified particle swarm optimization（MPSO）algorithm.The basic idea of the method employs a system model composed with classical models so as to transform the system structure identification problem into a combinational problem.The particle swarm optimization（PSO）algorithm is then adopted to implement the identification on the system structure and parameters.In order to enhance the performance of the PSO algorithm identification, an MPSO algorithm is also proposed.Finally, simulation results show the rationality and effectiveness of this method..Key words:

system identification;modified particle swarm optimization;meta model;combinatorial optimization