对极几何约束下的运动估计和补偿

本文引入摄像机模型中的对极几何关系对三角区域顶点进行运动估计，并分析了基于仿射变换的三角区域运动估计和补偿方法，这与过去的运动估计和补偿方法相比，既可节约一定的计算量，又能提高运动补偿精度。     

一种在对极几何约束下重建三维物体的方法

本文在用对极几何关系重建三维物体的基础上,提出了利用量小二乘法和迭代法相结合的基础矩阵求解算法,推导了新的评价函数作为迭代的误差测度.在每次迭代时,以评价函数作为测度来排除具有较大误差的图象点,而对保留的误差较小的点乘以适当的权值,因此得到精度较高的基础矩阵。实验表明,我们的重建方法比已有算法运算精度更高,性能更稳定,且具有良好的抗噪声性能。     

一种在对极几何约束下重建三维物体的方法

本文在用对极几何关系重建三维物体的基础上，提出了利用最小二乘法和迭代法相结合的基础矩阵求解算法，推导了新的评价函数作为近代的误差测度，在每次迭代时，以评价函数作为测度来排除具有较大误差的图象点，而对保留的误差较小的点乘以适当的权值，因此得到了精度较高的基础矩阵，实验表明，我们的重建方法比已有算法运算精度更高，性能更稳定，且具有良好的抗噪声性能。     

基于对极几何约束的SIFT匹配

以系统图像三维重构的对极几何约束和SIFT匹配为主要研究内容,给出了SIFT特征匹配算法。分析基于对极几何约束的SIFT匹配点检测的基本原理;研究了图像二维平面间的射影变换,并建立了相应的数学模型;通过应用某两幅灰度数字图像进行仿真验算,证明了对极几何约束的SIFT匹配的可行性;为相机系统识别目标在不同方位的特征信息提出了一种新的研究思路。     

基于混合遗传算法及最低误码率准则的几何特征均衡器

针对高效调制通信系统中带内干扰抑制问题,提出一种基于最低误码率准则的非线性几何特征均衡器,并用径向基函数神经网络来实现.为优化非线性均衡器的参数训练,本文构造了一种新的遗传随机梯度混合算法.仿真表明:对于扩展的二元相移键控信号,在相对强的窄带干扰下,匹配滤波器及线性均衡器已失效,而基于最低误码率准则的几何特征均衡器仍能表现出良好的性能,也大大优于基于最小均方误差准则的非线性均衡器.     

基于改进混合遗传算法的云资源调度算法

在云计算中,系统规模和虚拟机迁移数量都是十分庞大的,需要高效的调度策略对其进行优化。将云计算的任务分配抽象为背包求解问题,可通过遗传算法进行求解。传统的遗传算法具有局部搜索能力差以及早熟现象的缺点,本文采用遗传和贪婪相结合的混合遗传算法。针对混合遗传算法在资源利用率与能源消耗的收敛速度较慢问题,本文通过改进适应度函数,改变了适应度函数在不同染色体间的差异度,从而提高了染色体在选择算子中的择优性能。仿真结果表明,该方法能够有效提高混合遗传算法在云计算资源优化中的收敛速度。     

基于混合遗传算法的导频优化

OFDM系统中,基于压缩感知的稀疏信道估计能够充分利用无线信道的固有稀疏性,进而降低导频开销,提高频谱利用率。针对压缩感知信道估计的导频设计,通过最小化压缩感知理论中测量矩阵的互相关性,提出一种基于混合遗传算法的导频优化方法。该方案首先采用遗传算法获得次优初始导频序列,然后结合导频位置以及导频功率对导频序列逐位进行替换、优化,以使测量矩阵的互相关性最小。MATLAB 仿真结果表明,相比于伪随机导频设计和等间距导频设计,该算法能够保证较低的均方误差和误码率。     

基于混合遗传算法的云计算任务节能调度算法

云计算中主机和任务的数量都是十分庞大的,如何通过任务分配调度来减少成本开销和降低能耗是当前云计算和绿色计算领域研究的热点问题。根据云计算任务以及运行环境的特点,将云计算任务分配问题抽象为多维多背包求解问题,并采用改进的混合遗传算法对该问题进行求解。实验结果表明,改进的混合遗传算法能够在较短的时间内找到问题的优化解,并且根据该算法实现的任务分配策略能够有效地减少任务执行的成本开销和能耗。     

基于混合遗传算法的中央空调空调水系统控制方法

针对空调系统在固定参数模式下能耗高的问题,本文提出了一种基于混合遗传算法的中央空调水系统控制方法.混合遗传算法融合了爬山法和标准遗传算法,有利于避免算法陷入局部最优解,并且可以快速找到全局最优解,适合于空调水系统的控制优化问题.实验结果表明,空调水系统的能耗优化模型在混合遗传算法下可以快速找到最优的运行参数,方法显著的降低了空调水系统的能耗.     

基于聚类混合遗传算法的LRP问题研究

在配送系统中,配送中心选址问题与在此基础上的车辆路径问题相互影响,属于NP-hard难题,为有效解决定位-车辆路径问题（LRP）,文中提出的两阶段算法设计结合了聚类算法和混合遗传是算法,针对实际情况在遗传算法中加入爬山算法,同时采用改进的自适应交叉、变异算法,确保种群的最优个体参与进化,提高了遗传算法的局部搜索能力。仿真实验表明,所改进的混合遗传算法有较好高的全局寻优能力,且其收敛速度快,是解决配送路径优化问题的有效方法。     

一种新的基于遗传算法的快速运动估计方法

本文提出了一种新的基于遗传算法的快速运动估计方法.该方法对遗传算法进行了改进,采用"阈值法"确定选择算子,并将基因变异所导致的随机搜索与特定目标搜索相结合,解决了以往快速搜索算法易陷于局部最优的问题,大大提高了运动估计速度.该方法还将运动矢量空间一致性原则用于初始种群的选取,进一步提高了算法性能.由于其具备遗传算法固有的规则性和高度并行性,该方法适合于采用VLSI实现实时视频编码器.     

一种基于改进的遗传算法的块匹配运动估计方法

块匹配方法(Block Matching Algorithm,简称BMA)是目前广泛使用的运动估计方法,但该方法的最大缺点是容易陷于局部最优,这主要是由搜索模式决定的。而遗传算法(Genetic Algorithm,简称GA)是一种具有广泛适应性的全局最优的搜索算法。将块匹配方法的局域性搜索与遗传算法的全局性搜索结合起来,本文提出了一种基于改进的遗传算法的块匹配运动估计方法。实验证明,该方法的平均绝对误差(MAE)接近全搜索(FSS),优于三步法(TSS),而运算量相对较低,接近三步法。     

基于改进实数遗传算法的DOA估计

文献[7]提出的估计方法直接以误差矩阵的2范数建立适应度函数,文中利用该矩阵是Toeplitz矩阵的特性,构造了一个新的适应度函数,提出了一种基于基因分量独立变异的实数遗传算法。该方法不需进行矩阵的特征值分解,充分利用了遗传算法的全局寻优特性,获得了良好的参数估计性能。仿真结果表明,相对文献[7],达到同样要求所需要的运算量减小了一半。     

基于遗传算法的点模式匹配方法

点模式匹配是计算机视觉和模式识别领域中的一个重要问题.本文基于矩和不可约矩阵理论给出了仿射变换下的点模式匹配问题的一种新算法,并以仿射变换的匹配结果为初始代,从对极几何约束出发构造相似性度量,利用遗传算法实现了透视变换下的点模式匹配问题.理论分析和仿真实验表明这些算法是有效的.     

基于混合遗传算法的码书设计方法

将遗传算法与LBG算法相结合,得到了一种矢量量化码书设计算法.利用遗传算法的全局优化能力得到最优的矢量量化码书;同时,克服了传统遗传算法收敛速度慢的缺点.实验结果表明,文中提出的算法性能上优于LBG算法,且收敛速度较快.     

一种基于遗传算法的超宽带天线自动设计方法

提出了一种基于遗传算法的超宽带天线的自动设计方法,并利用此方法设计了一种紧凑型共面波导馈电超宽带天线。所设计的天线采用印刷电路板上的共面波导(CPW)进行馈电,利用遗传算法对天线的贴片形状轮廓进行自动化设计和优化,最后得到一种新颖的UWB 印刷缝隙天线。天线尺寸为32mm′32mm′0. 787mm。仿真结果和实验结果表现出良好的一致性。实验结果表明,该天线在2. 89 ~12. 6GHz 的频段内电压驻波比小于2,在整个UWB 工作频段范围内有稳定的增益和良好的辐射方向特性。     

一种基于遗传算法的多传感器目标分配方法

针对目前海上平台多传感器目标分配在信息融合中存在目标优先级函数构建因素没有具体量化的问题,提出一种利用目标战术重要性函数量化求解目标优先级的方法,从最大信息增益准则出发,通过合理转化并利用约束条件,建立一种基于遗传算法的多传感器优化分配模型。仿真结果表明,该算法稳定性强、收敛速度快,多传感器优化分配模型具有可行性。     

一种基于遗传算法的相干最优算法

相干最优过程是通过在各种散射机制中寻求最优的散射机制,对于干涉合成孔径雷达(InSAR),可以改善SAR图像之间的相干系数,而对于极化干涉合成孔径雷达(POLInSAR),不仅可以改善不同极化通道之间的相干系数,还能改善地物分类和垂直结构参数估计。文中提出的相干最优算法利用遗传算法在优化问题中求解全局最优值方面的优势,将遗传算法引入到相干最优的过程中,解决了相干系数在优化过程中不能收敛到全局最优值的问题,同时避免搜索寻优的遍历方式。实验结果表明,该算法与现有的算法相比,得到了更高的相干系数。     

一种基于遗传算法的数据挖掘技术

首先对相关理论进行了概述,阐明了数据挖掘和遗传算法的产生与发展以及他们的相互结合。接着提出了基于遗传算法的关联规则的提取方法。将遗传算法应用到关联规则的提取方面,讨论了遗传算法的编码方法、遗传算子的设计和适应度函数的构造。为了验证算法的有效性,笔者给出一个简单的数据实例,说明了本文方法的有效性。     

一种基于动态遗传算法的聚类新方法

 如何确定聚类数目一直是聚类分析中的难点问题.为此本文提出了一种基于动态遗传算法的聚类新方法,该方法采用最大属性值范围划分法克服划分聚类算法对初始值的敏感性,并运用两阶段的动态选择和变异策略,使选择概率和变异率跟随种群的聚类数目一致性变化,先进行不同聚类数目的并行搜索,再获取最优的聚类中心.七组数据聚类实验证明该方法能够实现数据集最佳划分的自动全局搜索,同时搜索到最佳聚类数目和最佳聚类中心.