基于优进策略的遗传算法对重油热解模型参数的估计

针对常规遗传算法全局寻优效率偏低的弱点，提出了一种优进策略，用以改进常规遗传算法。该策略将从繁衍过程中获取进化信息，自适应地改进子代分布，适时引入确定性操作，以提高全局寻优性能。提出的相关技术包括维持种群的多样性、改进交叉算子、增加Powell寻优算子等。实例测试表明这种优进策略效果良好，并已成功地应用于重油热解三集总动力学复杂数学模型的非线性参数估计。     

羧甲基纤维素—丙烯酰胺接枝共聚最佳条件的研究

研究了羧甲基纤维素—丙烯酰胺接枝共聚反应,对初始pH值、引发剂用量、单体浓度、初始温度等因素对反应的影响进行了探讨,得到了最佳引发体系:H2SO4-KMnO4以及最佳反应条件:单体浓度30%、引发剂浓度500mg/L、初始温度30℃、初始pH值9。     

基于非下采样Contourlet和MRF的纹理图像分割

提出了一种基于非下采样Contourlet变换(NSCT)和马尔科夫随机场(MRF)相结合的纹理图像分割算法.算法包括两个步骤,首先通过NSCT实现对图像纹理特征的提取,并使用模糊C-均值完成对图像的初始分割;然后将初始分割结果用 MRF模型表示,通过贝叶斯置信传播得到图像的最终分割结果.实验结果表明,对于纹理图像,该方法在分割错误率、区域一致性以及边缘的准确性方面都比传统小波变换的方法有了明显的改善.     

基于区域一致性和NSCT的SAR图像分割

提出反映合成孔径雷达（sAR）图像区域一致性的G值图,在此基础上运用区域生长方法对图像进行粗分割。在对粗分图像进行区域合并的过程中,对于含有丰富方向和纹理信息的SAR图像,使用非下采样Contourlet变换（NSCT）进行区域特征提取,并采用一种新方法进行区域合并。仿真结果证明了SAR图像分割算法的有效性。     

蚁群算法求解连续空间优化问题

借鉴蚁群算法的进化思想，提出一种求解连续空问优化问题的蚁群算法。该算法主要包括全局搜索、局部搜索和信息素强度更新规则。在全舄搜索过程中，利用信息素强度和启发式函数确定蚂蚁移动方向。在局部搜索过程中，嵌入了确定性搜索，以改善寻优性能，加快收敛速率。通过一个实例问题的求解表明了该算法的有效性。     

支持向量机中优化算法

1 引言对基于数掘的机器学习研究是目前计算智能技术的基础性工作之一,旨在从观测数据出发基于统计学理论采用相关技术对研究对象建立可信的模型,利用这一模型对未来实验作出指导性的预测。相关技术包括聚类分析、模式识别、神经网络等等。现有的学习方法多是基于样本数趋于无穷大时的渐进理论。可是在实际科研工作中,有时候很难获得较为充足     

基于特征参数识别技术的柴油机高压泵原位检测仪

柴油机燃油系的工作特性参数与工作过程复杂,对其故障的准确监测和诊断比较困难.在分析其工作参数特点的基础上,选取燃油喷射过程中的供油提前角、喷油的启喷压力和喷油量作为状态监测参数,设计了信号的调理电路和上止点信号的抗干扰提取电路,利用软件进行信号的处理,实现了燃油系的工作状态监测与故障诊断.试用结果表明,该系统可以准确地监测和诊断柴油机燃油系的故障,具有广泛的应用前景.     

改进型内部递归神经网络在QSAR中的应用

药物定量构效关系一直是药物现代化研究中的关键问题。现已发现具有一定特征或一定作用机制的同源活性化合物,其主要结构因素与活性强度间存在着一定的关系。通过运用计算机建模仿真、神经元计算等方法,可以搜索化学组成与药效相随变动规律,以及预测未知化合物的生物活性。本文将内部递归神经网络应用到药物定量构效关系建模中。为了提高其网络的性能,本文提出了改进型内部递归神经网络,具体策略包括:运用动量法和自适应学习率改进网络的学习能力,采用提早结束法改善网络的泛化能力,并成功地将其应用于除草剂的定量构效关系建模中。     

机器人焊接技术在钢结构行业的应用

针对钢结构构件的特点及其对机器人焊接的要求,综述了钢结构领域机器人焊接技术的研究现状及发展趋势,指出钢结构构件设计标准化程度低、装配安装精度与机器人智能化程度不匹配是机器人焊接技术在钢结构行业应用的瓶颈问题。通过钢结构构件的模块化、系列化、标准化设计、构建完善的焊接数据库、开发高精度焊缝跟踪技术等方式,逐步提升焊接机器人智能化程度,以攻克钢结构行业机器人焊接技术应用的难题。     

竞争层结构可调SOM网络在中药模式识别中的应用

针对经典SOM算法无法准确反映原始数据的特征信息,提出了竞争层结构可调的SOM算法——CSA—SOM算法。该算法增加了竞争层神经元动态调节的步骤,调节的依据是不断比较原数据的位置信息和映射后低雏空间的位置信息,使两者最终能趋于一致。因此降维后的数据能够较好地保持原数据的特征,包括距离信息、角度信息以及分布信息。该算法有效地实现了红景天药材的准确清晰分类。算法理论分析和实验结果均表明,CSA—SOM算法是一种快速、准确的数据内在规律映射可视化算法,与SOM算法相比,CSA—SOM算法的特征映射效果比较好,解决了SOM算法会使映射后数据结构发生扭曲的问题。