图像分割的概述及几种经典算法的实现与比较

这篇文章概述和综合了图像分割的知识。通过对几种经典算法的实现与比较,对各种算法的本质与效果进行了分析。这几种算法包括K-Means算法,RANSAC算法,Nornlalized Cut算法以及Leverset算法。实验表明,Leverset算法有着更高的精确度和更低的空间时间复杂度。     

基于误差信号的双模式遗传盲均衡算法研究

DD算法具有收敛速度快,稳态剩余误差小的优点,是一种最常用的盲均衡算法。遗传盲均衡算法是一种新的盲均衡算法,它利用遗传算法来解决盲均衡问题,具有较好的全局优化特性。在综合研究了DD算法及遗传盲均衡算法的特性后,利用误差信号的特性,给出了一种新的双模式遗传盲均衡算法,有效的结合了DD算法以及遗传盲均衡算法的优点,大大提高了算法的运算速度,提升了收敛性能,解决了遗传盲均衡算法运算量大的问题,并通过计算机仿真验证了该算法的有效性。     

原子时算法分析与对比

原子时算法是得到一个高可靠性,高准确性,长期稳定的时间尺度的重要因素。详细介绍了几种经典且广泛使用的原子时算法,从理论上分析了ALGOS算法、Kalman算法和AT1算法数学模型,并且根据对算法过程的研究,对比得到了各算法的优缺点。分析得出:ALGOS和AT1是经典的加权平均算法;Kalman和AT1是实时性的算法;Kalman滤波算法能更好地处理噪声的影响,适用于卫星导航系统。     

求解VRP问题的混沌模拟退火萤火虫算法

目的使萤火虫优化算法(GSO)能够适用于车辆路径问题(VRP)的求解,同时提高该算法的求解性能。方法通过对GSO算法的改进,提出求解VRP问题的混沌模拟退火萤火虫优化算法(CSAGSO)。首先,设计改进的GSO算法(IGSO)使IGSO算法能够适应VRP问题的求解;其次,在IGSO算法中引入模拟退火机制,提出模拟退火萤火虫优化算法(SAGSO),使IGSO算法可有效避免陷入局部极小并最终趋于全局最优。然后,在SAGSO算法中引入混沌机制,提出CSAGSO算法,对SAGSO算法的荧光素浓度值进行混沌初始化和混沌扰动;最后,对标准算例集进行仿真测试。结果与遗传算法、蚁群算法和粒子群算法相比,CSAGSO算法的全局寻优能力、收敛速度及稳定性均改善了50%以上。结论对GSO算法的改进是合理的,且CSAGSO算法的全局优化能力、收敛速度和稳定性均优于遗传算法、蚁群算法和粒子群算法。     

一种强干扰下超弱水声信号自适应盲分离的快速算法

许多盲源分离算法对超弱信号收敛速度变慢甚至失效。文章提出一种算法 ,用FASTICA算法所得的分离矩阵作为一种基于输出去相关自适应盲分离算法的初始值 ,算法的收敛速度得到明显改善。算法的学习速率通过一种自适应算法选取 ,从而降低了算法收敛速度对学习步长的依赖。仿真结果表明 ,文中提出的算法对超弱信号特别有效 ,算法收敛速度大大增强。该算法可以用于分离强干扰下的弱水声信号     

基于矢量DSP的并行化卷积算法

为了提场卷积算法在矢量!字信号处理器(DSP)上的执行效率,提出了一种高效的并行化卷积算法——基2并行短卷积(PSC R2)算法。该算法采用了基2短卷积运算结构,摆脱了传统并行化卷积算法的直接结构,从而有效降低了算法的循环次!。基于该算法结构,还提出了矢量DSP专用指令以匹配卷积的运算结构,保障算法执行效率。通过实际评估,证明了该算法在时间复杂度上仅为传统的内循环矢量化(VIL)算法的43%,为外循环矢量化(VOL)算法的55%,并且在存储空间开销上能够与传统算法基本持平。利用该算法,可以大幅降低移动通信和数字信号处理中的卷积、相关、滤波运算的时间复杂度。     

最短路算法描述研究与编程实践

最短路算法是运筹学算法之一,它在实际生产生活中具有广泛的使用价值。可是由于这样的运筹学算法编程实现的复杂性,使得其学习和应用受到了阻碍。现通过对最短路算法的不同描述方法的角度,试探运筹学算法的更有效描述,即用数据结构的思想来描述算法,最后算法更容易编程实现。使得这个算法更易得到使用。     

基于改进蝗虫优化算法的光伏电池模型参数辨识

针对蝗虫优化算法容易陷入局部最优、收敛精度不足等缺点,提出一种改进蝗虫优化算法。将混沌算法与蝗虫优化算法融合,对蝗虫优化算法进行混沌初始化,改善初始种群质量;再引入差分进化算法的差分策略,通过变异、交叉和选择过程,维持种群的多样性,增大算法跳出局部最优的可能性,从而使算法能搜索到更好的解;在个体更新部分引入了粒子群算法的思想,以当前的最优个体为目标进行个体位置更新,加快算法寻优速度。将改进蝗虫优化算法用于多晶硅太阳能电池模型参数的辨识中,并通过与其它智能优化算法的比较,验证了改进蝗虫算法辨识太阳能电池参数的有效性和优越性。通过实验验证了改进蝗虫优化算法在不同光照下对太阳能电池参数的辨识效果。     

BP算法的改进与性能分析

在人工神经网络中,BP神经网络通常是指基于误差反向传播算法（BP算法）的多层前向神经网络。BP算法已成为目前应用最为广泛的神经网络学习算法,然而BP算法具有收敛速度慢、易陷入局部极小点等缺陷。为了克服常规BP算法的缺陷,MATLAB神经网络工具箱对常规BP算法进行了改进,并提供了一系列快速学习算法。实验结果表明,这些方法有效地提高了BP算法的收敛性,避免陷入局部最小点。     

RMS中工件路径网络生成方法

利用图论建立RMS中工件路径网络生成模型。给出设备物理布局生成的3种算法：设备物理规划布局算法、基于二次布置问题(QAP)模型的VMC设备物理布局算法以及已有设备物理布局算法。给出AGV路径网络生成算法、AGV路径网络生成改进算法、可替代路径网络生成算法,包括节点间最短路径寻找子算法、路径网络预处理子算法。算法的输入为表示重构对象节点间距离信息的距离矩阵文件和表示某生产周期多工艺路线的流量文件,输出为优化的路径网络。用Visual C 实现了以上算法,实例测试验证了算法的正确性。     

入侵检测模式匹配算法的研究与改进

模式匹配算法是实现基于规则检测的核心技术,其效率直接影响到入侵检测系统的准确性和实时性。通过分析传统的模式匹配算法BM算法和BMH算法等,提出一种基于BM跳跃思想的模式匹配改进算法,简化了初始化过程,加大了匹配失败后向后跳跃的幅度。经过算法测试,与原算法相比新算法可以有效的减少比较次数,提高模式匹配效率。     

三维医学图像优化压缩算法

针对 CT 三维医学图像特点,将三维医学数据分块,通过平滑处理和边界交迭减小分块失真,将 SPIHT 算法与 SPECK 算法结合,帧内采用 SPIHT 算法,帧间利用 SPECK 编码算法,组合算法提高了压缩效率,优于单一的算法。     

包装物回收物流中的车辆路径优化问题

目的提高遗传算法(GA)求解包装物回收车辆路径优化问题的性能。方法通过对传统GA算法的改进,提出混合蜂群遗传算法(HBGA)。首先改进传统GA算法的初始种群生成方式,设计初始种群混合生成算子;其次,提出最大保留交叉算子,对优秀子路径进行保护;然后,在上述改进的基础上引入蜜蜂进化机制,用以保证种群多样性和优秀个体特征信息的利用程度;最后,对标准算例集进行仿真测试。结果与传统GA算法相比,HBGA算法在全局寻优能力、算法稳定性和运行速度方面均有所改善。HBGA算法的全局寻优能力和算法稳定性均优于粒子群算法(PSO)、蚁群算法(ACO)和禁忌搜索算法(TS),但运行速度稍慢于TS算法。结论对传统GA算法的改进是合理的,且HBGA算法整体求解性能优于PSO算法、ACO算法和TS算法。     

Filter-S LMS算法的非线性有源噪声控制的研究

在有源噪声控制领域Filter-X LMS算法得到了广泛使用,但是当ANC系统中存在非线性时,Filter-X LMS算法不再适用。针对Filter-X LMS算法的这一缺陷,采用一种基于Filter-X LMS算法的改进算法Filter-S LMS,该算法中采用FLANN结构来解决非线性问题。计算机仿真表明,Filter-S LMS算法对于非线性系统具有很好的控制效果。     

应用Apriori算法和FP—tree算法挖掘关联规则的比较分析

介绍了关联规则的基本概念,比较分析了关联规则挖掘算法的两个经典算法Apriori算法和FP—tree算法,通过Apriori算法和FP—tree算法的对比分析得出了相应的比较结果。     

基于智能优化算法的膜系设计展望

本文概述了膜系设计的主流设计方法。介绍了粒了群优化算法和差分进化算法两种新兴智能优化算法,阐述了这两种新的智能优化算法的算法原理。提出未来将智粒子群优化算法和差分进化算法引入膜系设计的研究方向展望。     

多种群的粒子群优化算法的研究

基于差分进化算法和标准粒子群算法的混合算法进行改进,提出多种群的混合粒子群算法。通过仿真,改进后的算法在收敛速度和性能方面相当于其他粒子群算法有较大的提高,具有较强的鲁棒性。     

混合蝙蝠算法在包装件配送中的应用研究

目的使蝙蝠算法(BA)适应包装件配送车辆路径问题(VRP)的求解,并提高该算法的求解性能。方法在标准BA算法的基础上提出混合蝙蝠算法(HBA)。首先,设计改进的蝙蝠算法(IBA),使其能够适用于包装件配送VRP问题的求解。其次,引入混沌系统,对IBA算法进行混沌初始化。然后,设计裂变算子和变异算子。在IBA算法迭代前半段,将蝙蝠种群中较差的一半蝙蝠重新混沌初始化,以提高种群多样性。在IBA算法迭代后半段,对陷入局部最优解的蝙蝠进行鲶鱼扰动。最后,提出HBA算法并对企业实例进行仿真测试。结果 HBA算法求得的最优配送距离为773.01 km,相对于GA算法(781.25 km)和IBA算法(786.04 km)分别节约了8.24 km和13.03 km。结论与IBA算法和GA算法相比,HBA算法求解包装件配送VRP问题的全局优化能力更强、收敛速度更快。     

一种快速图像纹理分析算法

针对目前的纹理分析算法普遍存在计算复杂、运行时间过长的缺点,提出了一种新的图像纹理分析算法。该算法利用差分概念定义出图像的差分矩阵和差分直方图,并从差分直方图中提取特征进行图像纹理的相似度度量。由于本算法在考虑人类视觉特性的基础上尽量采用加减运算,因此不但具有与人类视觉特性相联系的特点,更使得算法的运行效率大大提高。使用本算法对brodatz 图像库进行的检索实验表明,该算法在查准率和检索效率上与共生矩阵算法相比分别提高13.9160%和 9.5 倍,具有与传统算法相比更好的检索效果和更高的检索效率。因此该算法可以满足实时性要求较高的场合,弥补了目前算法运行时间长的缺点。     

RFID系统动态帧时隙ALOHA算法的改进

为了提高射频识别(RFID)系统的多目标识别效率,研究了识别中的标签冲突,并对主流防冲突算法——根据标签数动态调整帧长的动态帧时隙ALOHA算法(DFSA算法)进行改进,建立了基于3级随机数适时选择机制的改进算法的数学模型。这种新的改进算法通过3级随机数优先级的划分,解决了碰撞时隙的重新利用,提高了算法的时隙利用率,也在DFSA算法的基础上大幅提高了算法吞吐率,解决了DFSA算法最高吞吐率36.8%的瓶颈。仿真结果表明,此改进算法可以使系统识别效率提高到69.35%,从而验证了此算法的有效性,为以后防碰撞算法的研究奠定了基础。