一种多目标增量启发式搜索算法

提出一种多目标增量启发式搜索算法, 该算法结合启发式搜索与增量搜索的思想, 当多目标问题搜索图的状态格局发生改变时, 该算法并不是对变化后的问题进行完全重新求解, 而是部分利用了先前搜索保留的信息求解新问题的最优解集, 从而提高了问题求解的效率. 通过Gridworld标准测试问题上的实验测试, 验证了算法的效率.     

一种保持拓扑结构的隐式活动轮廓图像分割方法

提出一种保持拓扑结构的图像分割方法, 通过应用一个限制拓扑结构的边缘检测函数替代经典的边缘检测函数, 抑制了活动轮廓的拓扑结构变化. 活动轮廓模型采用基于水平集方法的隐式结构, 数值离散采用加性算子分裂(AOS)格式. 结果表明, 所提出的方法能有效地保持轮廓的拓扑结构, 并且具有较高的计算效率.     

P-集合与(,F)-数据生成-辨识

P-集合(packet sets)是一个集合对, 它由内P-集合(internal packet sets)与外P-集合(outer packet sets)共同构成, P-集合具有动态特性。利用P-集合,给出数据集合, 数据集合,F-数据集合与(,F)-数据集合概念;提出-数据集定理, F-数据集定理, (,F)-数据带定理,数据集合恢复定理, (,F)-数据辨识定理,给出辨识准则。 利用这些结果, 给出(,F)-数据在信息系统中的应用。P-集合是研究动态信息系统的一个新理论与新方法。     

基于双向扩散机制融合伪随机数同步生成器的快速图像加密算法研究

针对当前混沌加密系统普遍了采用单向扩散机制进行加密,导致了较低的计算效率和加解密速度,在面对高解析度、大容量图像时,无法满足安全、实时性等缺陷,设计了一种双向扩散机制和伪随机数同步生成器,提出了基于双向扩散机制与伪随机数同步生成器的图像加密算法;并与传统的加密机制进行了对比分析。通过伪随机数同步生成器将256 bit长的外部密钥同步生成加密算法的初始条件和控制参数,并进行迭代计算超混沌系统,得到一组超混沌序列;然后用位置集合置乱方法置乱该序列,得到一个位置集合,用该集合置乱图像;最后采用密钥流机制量化超混沌序列,通过双向扩散机制加密图像。借助MATLAB仿真实验来测试该算法,结果显示具有理想的加密质量,加密机制高度安全,密钥空间足够大;较传统的扩散机制而言具有很高的计算效率,加密速度快,可满足实时传输要求。     

基于C-V模型的水平集方法在脑CT图像分割中的应用

阐述了C-V模型和多相水平集算法的原理。在分析了其优缺点后,引入了多阈值单水平集算法。并针对其不足,将李纯明惩罚函数项引入到多阈值单水平集算法,提出了无需重初始化的多阈值单水平集算法。实际结果表明,算法在保证分割精度的基础上,能够有效提高算法效率。     

LMGS吸引子混沌特征的定量观测

对孙海坚等人给出的Logistic映射图形集(theLogisticMapGraphSet,简称LMGS)的定义进行了扩展,并利用扩展的LMGS的定义构造出许多美丽的2DLMGS图形·这些美丽的图形根据其生成方式不同,可分成两类图形和吸引子·本文探讨了图形与吸引子之间的联系,发现图形的边缘与其对应的吸引子相似;并由一维可观察量计算系统混沌定量判据的方法,计算了吸引子的Lyapunov指数和关联维数,结果表明吸引子具有混沌动力学特征     

数据挖掘分类问题的贪婪粗糙集约简算法

基于贪婪算法和粗糙集方法,给出了一种处理数据挖掘分类问题的属性约简算法:贪婪粗糙集约简算法GRSR;在测试中得出的约简集为原始集的1/3,表明了它是一个有效的算法·其想法是:从初始约简集为空集开始,选择使分类质量最大的属性,将它加入约简集;再从余下的属性中选择使分类质量最大的属性并加入约简集,重复直至找到满意的约简集·     

无界集上的不动点定理

利用无界集上凝聚映射的拓扑度,将Banach空间中有界集上一些著名的不动点定理推广到无界集的情形·在有序Banach空间中建立了无界集上的不动点指数,证明了几个不动点及多不动点定理·     

结合粗糙集理论与扩张矩阵理论的数据挖掘方法

提出将粗糙集理论、扩张矩阵理论进行有机结合的新方法 ,该方法吸收了两者的优点同时消除了两者的缺点 .实践证明 ,该方法可以十分有效地从数据库中挖掘出准确而精悍的知识 .     

神经网络近似结构分析的最佳样本集

基于多层神经网络映射存在定理,建立近似结构分析的人工神经网络模型,构造不同样本集进行计算机数值试验,分析不同样本集学习后模型的模拟精度,算例分析表明,当采用适当的样本集训练神经网络时,得出的可靠性指标可满足精度要求同时训练时间又最少。