基于自适应免疫因子的模糊检务文字提取

为了实现准确、高效地从模糊的检务图像中提取文字目标,本文针对多种不同类型 的模糊检务图像,基于人工免疫原理,利用免疫因子的相关理念结合自适应滤波算法提出一 种自适应免疫算法。该算法首先通过动态地改变滤波窗口实现自适应滤波,达到兼顾保留文 字目标细节和滤除噪声的效果,再根据模糊类型的不同设计不同的免疫因子,从而实现最大 程度地保证提取文字目标的完整性、准确性。实验结果表明,本文算法在处理同种类型的模 糊图像时,相对于其他传统算法真阳率(true positive rate,TPR)有更明显地提高;且该 算法的假阳率(false positive rate,FPR)优于其他传统算法。通过各项评价指标的分析 ,表明本文算法在模糊检务图像文字提取方面具有可行性、准确性。     

EMCCD图像自适应模糊中值滤波算法研究

针对电子倍增CCD（EMCCD）图像噪声密度随着增益的变化而变化,提出了一种基于噪声点检测的自适应模糊中值滤波算法。该算法由模糊滤波模块和自适应模块两部分组成。首先,该算法对滤波窗口内的中心点进行噪声检测;然后对检测为噪声的像素点引入双阈值,并根据引入的阈值和滤波窗口内的中值建立噪声点的模糊隶属函数,根据模糊隶属函数对噪声点进行滤波处理后输出;最后采用自适应模块调整待处理图像的像素。仿真及实验结果表明,新算法不仅能够有效地将图像中的噪声去除,而且很好地保护了图像中的细节和边缘,PSNR比传统的自适应中值滤波算法平均提高了15 dB以上;该算法在低噪声密度情况下性能明显好于其他中值滤波器,在高噪声密度情况下性能也比较稳定。     

基于模拟退火和粒子群改进的图像分割FCM方法

针对模糊C均值聚类(FCM)算法在分割图像时需要事先给出聚类数和容易陷入局部极小值的问题,提出一种新的FCM算法。首先,利用粒子群算法更新FCM的聚类中心,以加强算法的搜索能力,提高收敛速度;其次,根据模拟退火准则决定是否接受新的聚类中心,以得到当前迭代下的全局最优值;最后,设定有效性函数寻找图像的最佳聚类数,使算法具有自适应判断图像类别个数的能力。实验结果表明,该算法具有较好的全局收敛性,并且在未知聚类数的情况下能自适应寻找图像的最佳分类个数。     

一种自适应的模糊C均值聚类算法

本文首先介绍了模糊C均值聚类算法及其不足。在模糊C均值聚类算法的基础上,结合有效性函数,提出了一种自动聚类算法——自适应的模糊C均值聚类算法,并建立了自适应的模糊C均值聚类算法的研究模型。最后,对改进算法用MATLAB进行编程实现,并通过多组数据集进行实验测试,对产生的多种实验结果进行分析,验证自适应的模糊C均值聚类算法可以实现自动类别数的判定。     

自适应量化测试序列数的分组Turbo码译码算法

针对分组Turbo码自适应Chase译码算法存在的缺陷,该文提出自适应量化测试序列数的分组Turbo码译码算法。该方法以测试序列数C为研究对象,依出错概率大小选择错误图样,并利用量化测试函数根据SNR的变化对测试序列数进行量化,从而达到直接控制译码复杂度的目的。仿真结果表明,所提出的译码算法保证了译码性能,并直接降低了译码复杂度。     

基于粒度分层技术与FCM算法的图像分割

文章提出了一种高效快速地实现图像分割的方法。该方法采用自适应像素梯度法进行图像预处理,能有效地消除噪声,保留细小纹理,突出图像边缘。该方法基于粒度分层技术与模糊C均值聚类算法实现图像分割,基于粒度分层技术进行粗粒度划分,得到最佳粗粒度层;在此层上进行FCM算法,通过建立目标函数,构建模糊矩阵,确定聚类中心,实现一系列迭代优化;最后进行细粒度划分,并选出最佳细粒度层,达到目标图像与背景分离的分割效果。仿真实验证明分割效果高效且快速。     

基于自适应遗传算法的星载SAR天线方向图与模糊综合

该文针对改善星载合成孔径雷达(SAR)的模糊特性,提出了一种自适应遗传算法。该算法同时对模糊和方向图进行优化。首先确定模糊区域,然后以天线方向图的主瓣宽度和副瓣电平(包括星载SAR模糊区域的副瓣电平)为目标函数,应用自适应遗传算法对天线方向图进行综合。为了避免早熟的现象,在该算法中,交叉概率、变异概率和变异范围同时进行了自适应的变化。和非自适应遗传算法相比较,该算法迭代步骤少,收敛速度快。仿真结果表明,模糊度得到了很好的抑制,对星载SAR系统设计具有实际意义。     

模糊自适应PID控制的恒张力收卷系统研究

针对真空镀膜机收卷张力控制具有多变量、时滞性、非线性且系统难以建立精确模型的问题,为了降低张力波动,提高收卷张力精度、测试的稳定性,建立收卷恒张力模糊自适应PID系统结构模型。运用模糊推理对参数进行自整定的方法设计了一种二维自适应模糊PID控制器。应用Matlab/Simulink模块实现系统仿真,仿真结果表明模糊自适应PID算法相比常规PID控制具有较强的鲁棒性,良好的动态、静态稳定性。把该控制器运用到现场测试中,测试结果表明该控制器有效地减少了张力波动,提高了镀膜质量。     

分数阶粒子群的模糊聚类图像分割算法研究

针对模糊C-均值聚类算法易受初始聚类中心的影响而陷入局部极值的缺陷,提出基于分数阶粒子群的模糊聚类图像分割算法。利用分数阶微积分容易跳出局部极值的固有优势,将其引入粒子群的速度、位置更新进程,同时改进分数阶阶次的自适应调整机制并引入步长控制因子。实验结果表明,该算法与传统算法相比,具有更高的分割精度与更快的收敛速度。     

改进型自适应多叉树防碰撞算法研究

 文章在自适应多叉树防碰撞算法的基础上,通过优化阅读器所发送前缀的方法,提出了一种改进型自适应多叉树(IAMS)防碰撞算法.该算法通过计算碰撞因子来动态地选择搜索树的叉数,并对四叉树的查询前缀进行优化,从而避免了大量的空闲时隙.文章通过数学分析,准确地描述了IAMS算法识别标签所需的时隙数.仿真结果表明,改进型自适应多叉树防碰撞算法具有更快的识别速度和更高的系统吞吐率.     

An Optimum Vertical Handoff Decision Algorithm Based on Adaptive Fuzzy Logic and Genetic Algorithm

Handoff decision making is one of the most important topics in wireless heterogeneous networks architecture as there are many parameters which have to be considered when triggering handoff and selecting suitable access point. More intelligent approaches which reckon user profiles, application requirements, and network conditions must be improved so that desired performance results for both user and network could be provided. In this paper we introduce a new adaptive vertical handoff decision making algorithm in which fuzzy membership functions are optimized by means of genetic algorithm. Genetic algorithm is an adaptive search technique based on natural selection and genetic rules. In addition to that, it takes places in various scientific applications and can be used to adjust the membership functions in fuzzy systems. The purpose of the study is to adjust the shape of fuzzy membership functions, properly, using genetic algorithm in order to achieve optimum handoff performance. The results show that, compared to the several different algorithms performance of the proposed approach with genetic algorithm is significantly improved for both user and network in terms of number of handoff while the other requirements are still satisfied.     

Evolutionary fuzzy neural networks for hybrid financial prediction

In this paper, an evolutionary fuzzy neural network using fuzzy logic, neural networks (NNs), and genetic algorithms (GAs) is proposed for financial prediction with hybrid input data sets from different financial domains. A new hybrid iterative evolutionary learning algorithm initializes all parameters and weights in the five-layer fuzzy NN, then uses GA to optimize these parameters, and finally applies the gradient descent learning algorithm to continue the optimization of the parameters. Importantly, GA and the gradient descent learning algorithm are used alternatively in an iterative manner to adjust the parameters until the error is less than the required value. Unlike traditional methods, we not only consider the data of the prediction factor, but also consider the hybrid factors related to the prediction factor. Bank prime loan rate, federal funds rate and discount rate are used as hybrid factors to predict future financial values. The simulation results indicate that hybrid iterative evolutionary learning combining both GA and the gradient descent learning algorithm is more powerful than the previous separate sequential training algorithm described in.     

电磁频谱数据的关联规则挖掘

为更合理利用频谱资源以及更好地评估各类电磁环境,本文提出一种基于关联规则挖掘的频谱数据挖掘方案. 该方案首先基于一般挖掘流程获取频谱数据中的有用信息,包括异常信息、底噪信息、占用度信息和预定时间功率信息等;再将频谱信息作为关联分析对象,通过构建关联库,构建模糊集,基于模糊关联规则挖掘算法对频谱信息进行系统性的分析. 本文对传统的算子选择策略加以改进,使用大尺度参数改进模糊隶属函数. 通过实测数据集的验证分析,实验结果表明,频谱信息的强关联规则能反映各种信息之间隐含的关联性以及各种信息出现的频次;基于频谱信息的关联规则挖掘能有效地简化频谱挖掘工作,通过各种信息的关联性可以通过分析一部分频谱信息而得到另外的频谱信息. 频谱信息的关联规则可以用于进行电磁无线电环境的评估,选择合适的频谱信息该方案可以应用于各类电磁环境的评估.     

基于改进混合遗传的医学图像模糊增强研究*

针对现有医学图像中存在有采集后图像质量不高、图像过暗等现象,对遗传算法中的选择、交叉、变异特性进行研究,同时结合粒子群优化、禁忌搜索及模糊增强算法,提出一种基于改进混合遗传的医学图像模糊增强方法.该方法通过对传统遗传算法改进,将粒子群优化思想及粒子空间对称分布原理引入以改善遗传算法缺乏明确的目标指向性、“突变”性过高的现象,并且为有效降低粒子的同一位置二次搜索,在算法执行过程中加入了禁忌搜索算法.最后,通过与模糊增强算法相结合,并设置二维方向寻优,可自适应的同时寻找到两个模糊参数Fp、Fe最优值,完成医学图像的模糊增强.实验结果表明,改进后算法可有效改善过暗医学CT图像的质量,增强效果较好.     

激光熔覆配油盘零件工艺参数优化研究

大功率激光熔覆配油盘零件工艺参数的优化,是现代表面强化技术研究的一个重点。文章阐述了求解激光熔覆最优工艺参数时遗传算法策略的选取办法,用神经网络方法建立了以激光功率(P)、扫描速度(V)、送粉速率(G)、扫描间距(D)和层厚(ΔZ)等工艺参数与配油盘零件性能之间定量关系模型,通过对参数编码方式、初始群体设定、适应度函数设计、遗传操作设计得到了遗传算法控制参数的最佳配置方案。在MATLAB环境中用遗传算法工具箱得到了适合于激光熔覆配油盘零件的最优工艺参数,实现了配油盘零件性能的优化目标。实践证明由遗传算法得到的最优工艺参数是正确的,对生产实践有很好的指导作用。     

采用BP神经网络的智能抗干扰决策引擎研究

在认知抗干扰通信系统中,智能决策是其核心,根据干扰环境,对系统的干扰抑制方式、频谱资源分配、调制编码方式和功率调整信息进行最优决策。现有的抗干扰通信系统的智能决策多采用遗传算法、人工蜂群算法等,面对日益复杂的电磁环境,通常这些算法不具有对新干扰的泛化能力。BP神经网络算法简单、具有一定的容错能力和泛化能力,本文设计并分析了一种基于BP神经网络的抗干扰实时决策引擎模型,根据系统性能设计了输入输出数据的预处理方式和判别标准,阐述了决策实现步骤,分析了算法参数;通过系统性能仿真,验证了文中提出的实时决策引擎的强抗干扰性能。与采用遗传算法和人工蜂群算法的决策引擎相比,本文提出的决策引擎决策速度更快且具有泛化能力和容错能力。      

A Fuzzy Optimization Approach for Variation Aware Power Minimization During Gate Sizing

Technology scaling in the nanometer era has increased the transistor's susceptibility to process variations. The effects of such variations are having a huge impact on the yield of the integrated circuits and need to be considered early in the design flow. Traditional corner based deterministic methods are no longer effective and circuit optimization methods require reinvention with a statistical perspective. In this paper, we propose a new gate sizing algorithm using fuzzy linear programming in which the uncertainty due to process variations is modeled using fuzzy numbers. The variations in gate delay which is a function of the gate sizes and the fan-outs of the gates are represented using triangular fuzzy numbers with linear membership functions. Initially, as a preprocessing step for fuzzy optimization, we perform deterministic optimizations by fixing the fuzzy parameters to the worst and the average case values, the results of which are used to convert the fuzzy optimization problem into a crisp nonlinear problem. The crisp problem with delay and power as constraints is then formulated to maximize the robustness, i.e., the variation resistance of the circuit. The fuzzy optimization approach was tested on ITC'99 benchmark circuits and the results were validated for timing yield using Monte Carlo simulations. The proposed approach is shown to achieve better power reduction than the worst case deterministic optimization as well as the stochastic programming based gate sizing methods, while having comparable runtimes.     

A CVD epitaxial deposition in a vertical barrel reactor: processmodeling using cluster-based fuzzy logic models

A chemical vapor deposition (CVD) epitaxial deposition process modeling using fuzzy logic models (FLM's) has been proposed. The process modeling algorithm consists of a cluster estimation method and backpropagation algorithm to construct a number of modeling structures from the training data. A decision rule based on the multiple correlation factor is used to obtain the optimum structure of the fuzzy model using the testing data. Upon the optimum structure being reached, the gradient-descent method is used to refer the parameters of the final fuzzy model using both training and testing data. The algorithm has been applied to a nonlinear function and a vertical chemical vapor deposition process. The results demonstrate the efficiency and effectiveness of the proposed fuzzy logic model in comparison with existing fuzzy logic models and artificial neural network models     

非标轴承设计要求下的实验工作站系统设计

近年来,工业设计在非标轴承产业中的应用越来越广泛,而工业设计在非标轴承实验领域的应用也是工业设计中的一个重要课题。我们通过设计人性化的非标轴承实验平台,使得非标轴承实验报告更加符合客户的需求,对于提升非标轴承生产企业的整体形象、降低非标轴承生产实验过程中的实验成本、增进非标轴承实验质量、实现非标轴承生产企业核心竞争力的提升,都有着较为实际的意义。     

遗传算法优化模糊控制器参数的方法研究

基于遗传算法对模糊控制器参数进行寻优,首先采用模糊规则,通过模糊推理的方法对二阶系统进行仿真实验,仿真结果表明系统动态响应超调小、调节时间短,具有良好的性能;然后采用遗传算法,按照ITAE准则对控制器的参数进行优化,仿真结果表明动态性能比模糊控制显著改善,显示出遗传算法对模糊控制器参数寻优的有效性和优越性。