基于群智能算法的玻璃切割问题求解研究

通过对玻璃切割问题的研究,提出一种融合量子粒子群优化和蚁群优化的混合算法(QPSO-ACO算法)。该算法对QPSO及ACO的模型进行必要的修改,以实现对玻璃切割中的旅行商问题的较好求解。同时充分利用QPSO的快速性、全局收敛性和ACO的正反馈性及求精解效率高等特点,达到优势互补。实验结果表明,QPSO-ACO算法寻优能力较强,是解决玻璃切割问题的有效方法。     

一种人眼运动及表情仿真方法

真实感人脸动画是计算机图形学领域的一个研究热点,为了更逼真的仿真虚拟人眼部的表情动作,提出了一种基于机构学原理与肌肉模型的人眼运动及表情仿真方法。可将人眼眼皮的三维网格模型分为边界点和非边界点分别控制,对于边界点的运动采用机构模型实现,对于非边界点及眼部其余部分采用肌肉模型控制,仿真出不同的人眼运动及表情。同时给出了仿真运动的效果实例。采用上述方法可以得到逼真的人眼表情动作仿真动画,效果良好。     

汽车牌照识别系统的设计与实现

基于图像处理技术设计与实现了汽车牌照识别系统.     

基于RUP的J2EE应用建模研究

RUP即Rational统一过程,它是综合而详尽的软件开发流程框架,根据这一框架可以定制专用的软件开发流程.通过对RUP进行适当定制,给出了基于RUP开发J2EE应用的建模方法,并用一个纺织行业B2B网上订购系统作为实例,对该建模方法进行了验证.实践表明,在该建模方法指导下可以快速构建强壮、高效、可复用的J2EE应用.     

基于群体分类的自适应蚁群算法

针对基本蚁群算法在求解能力方面的不足,提出一种基于群体分类的自适应蚁群算法.该算法在智能蚁群的基础上引入随机蚁群以便扩大搜索空间,不同蚁群实行各自不同的搜索前进策略和信息更新机制,并可通过调节随机蚁群与智能蚁群的比例来控制收敛速度.多个旅行商问题的仿真实验证明,相比ACS、MMAX算法,该算法的求解能力得到了改进.     

基于像素点灰度差的Harris角点检测算法

针对Harris算法在图像处理过程中特征点提取实时性和抗噪能力较差、计算量大的问题,提出一种结合像素点灰度差的Harris角点检测算法。将被检测点与半径为3的邻近圆周上16个像素点作对比,以此计算非相似像素点的个数来确定候选角点,通过Harris角点响应函数提取角点,并结合SUSAN算法的思想去除伪角点。实验结果表明,改进算法提高了原算法的实时性,增加了角点提取的数量,并且能有效去除大多数伪角点,提高图像角点检测的速度和正确性。     

基于改进局部搜索策略的人工蜂群算法

针对人工蜂群算法在函数优化问题求解过程中容易陷入局部最优,收敛速度慢的缺点,提出了一种基于改进局部搜索策略的人工蜂群算法。该算法中跟随蜂采用基于当前最优解的混沌局部搜索策略,侦查蜂采用基于当前最优解的自适应侦查策略,并使其局部搜索范围随着迭代次数的增加逐渐减小,从而提高了人工蜂群算法的局部搜索能力,有效地避免了其陷入局部最优。6个测试函数的仿真实验结果表明,与传统的人工蜂群算法相比,改进后算法的求解精度和收敛速度明显提升。     

改进人工蜂群优化的极限学习机

针对极限学习机(ELM)在训练过程中需要大量隐含层节点的问题,提出了差分进化与克隆算法改进人工蜂群优化的极限学习机(DECABC-ELM),在人工蜂群算法的基础上,引入了差分进化算法的差分变异算子和免疫克隆算法的克隆扩增算子,改进了人工蜂群收敛速度慢等缺点,使用改进的人工蜂群算法计算ELM的隐含层节点参数.将算法应用于回归和分类数据集,并与其他算法进行比较,获得了良好的效果.     

基于当前最优解的分段搜索策略的人工蜂群算法

为了克服人工蜂群算法在求解函数优化问题中所存在的局部搜索能力差、收敛精度低的缺点,提出了一种基于当前最优解的分段搜索策略的人工蜂群算法。该算法中跟随蜂利用由全局当前最优解和个体当前最优解引导的局部搜索策略逐维进行变异,并采用基于“分段思想”的局部搜索策略对蜜源进行贪婪更新,以提高蜜源的更新效率,从而提高了人工蜂群算法的局部搜索能力。6个标准测试函数的仿真实验结果表明,与基本人工蜂群算法相比,改进后的人工蜂群算法在寻优精度和收敛速度上均有明显提高。     

基于PSO-BF优化算法的关系数据库水印算法

借鉴群体智能优化算法,提出了一种基于粒子群优化的细菌觅食算法（PSO-BF）的关系数据库水印算法。运用混沌映射对水印序列加密生成水印信号,采用单向hash函数加密关系数据库中元组的次序,利用PSO-BF优化算法解决将水印信号的嵌入过程抽象为约束条件下的优化问题,阈值解码和择多表决法用于提取水印信号,并通过混沌映射解密为表征版权的水印序列。实验表明,该算法对元组删除、修改和添加等攻击具有较强的鲁棒性和良好的不可见性。