图像梯度场的Gamma混合分布模型及其求解

梯度是图像处理中常用的重要信息，但目前还缺乏较准确的数学模型来描述图像梯度与图像组成之间的联系。为此，在分析图像梯度直方图的特点的基础上，提出了一种基于Gamma混合分布的梯度数学模型，随后推导了基于EM算法的模型求解方法，最后通过应用实例和结果分析验证了该模型的准确性和有效性。     

一种改进的二进制粒子群算法

为解决应用粒子群算法求解0-1整数规划问题,在Kenney和Eberhart的二进制粒子群算法(BPSO)的基础上提出一种改进的二进制粒子群算(IBPSO).该算法简化BPSO的概率计算模式,直接使用群体最佳值和个体最佳值决定粒子的当前取值概率,取消粒子当前值对下一步迭代的影响.在De Jong的测试集上,其结果要优于BPSO.在背包问题上的计算结果表明,与遗传算法相比,IBPSO具有更快的收敛速度.     

基于结构建模方法的复杂产品设计过程规划

提出了将复杂产品设计过程映射为规范的设计结构矩阵DSM的方法,并归纳总结了DSM规划的基本原则.为了便于在计算机上进行大规模DSM处理,保证DSM规划结果的可靠性,还提出一种基于结构建模方法的DSM规划的代数方法.该方法具有严格的数学推导,并具有通用性,易于编程实现.     

粮食配送中心智能优化选址问题研究

针对粮食配送中心选址过程中的主要影响因素,建立数学模型。将遗传算法和人工神经网络进行融合,训练优化神经网络的结构和阈值,并应用于粮食配送中心的选址问题,结合实验数据进行训练得出最终评价模型。实验证明,与专家评审的选址决策方法相比,该模型能有效、快速地解决物流配送中心的选址问题。     

面向密度分布不均数据的加权逆近邻密度峰值聚类算法

针对密度分布不均数据,密度峰值聚类算法易忽略类簇间样本的疏密差异,导致误选类簇中心;分配策略易将稀疏区域的样本误分到密集区域,导致聚类效果不佳的问题,本文提出一种面向密度分布不均数据的加权逆近邻密度峰值聚类算法。该算法首先在局部密度公式中引入基于sigmoid函数的权重系数,增加稀疏区域样本的权重,结合逆近邻思想,重新定义了样本的局部密度,有效提升类簇中心的识别率;其次,引入改进的样本相似度策略,利用样本间的逆近邻及共享逆近邻信息,使得同一类簇样本间具有较高的相似度,可有效改善稀疏区域样本分配错误的问题。在密度分布不均、复杂形态和UCI数据集上的对比实验表明,本文算法的聚类效果优于IDPC-FA、FNDPC、FKNN-DPC、DPC和DPCSA算法。