生鲜食品多阶段动态定价模型及算法

考虑消费者购买行为,建立生鲜食品多阶段动态定价模型,力图使零售价格能够动态地反映生鲜食品的价值波动,采用基于正负反馈机制的改进蚁群算法求解模型。通过不同算例仿真分析,表明该模型优于传统模型;同时将本文算法与其他3种算法进行对比,从收敛性能和运行时间方面证实本文算法更优。     

一种基于粒子群算法和Hopfield网络求解TSP问题的方法

针对Hopfield网络求解TSP问题经常出现局部最优解,将粒子群算法(PSO)与Hopfield神经网络结合,提出一种基于粒子群的Hopfield神经网络方法. 实验证实这种方法能够以更大概率收敛到全局最优.     

用于多指数拟合的一种混沌免疫粒子群优化

为了更好地逼近真实物理场景,对传统的多指数模型作了一些改进,将权因子设置为噪声方差平方的倒数,提出一种基于循环矩阵(CM)的算法用于估计衰减项数.为了求解上述改进模型,提出一种混沌免疫粒子群优化(CIPSO)算法.该算法将人工免疫系统中的克隆、交叉、变异和接收器修正算法嵌入粒子群算法中,并采用混沌算子实现变异,然后将惯性因子改为自适应变化.实验表明:提出的权因子设置更符合实际;用于估计项数的CM算法在估计精度与运行时间上均优于传统的ILS算法;CIPSO算法在收敛精度与运行时间上也优于传统的优化算法,如可信域法、LM法、高斯-牛顿法、差分进化算法和粒子群算法等.     

基于模式的自制小波在EBPSK信号检测中的应用

为了改善基于小波的超窄带信号的检测率,提出了根据信号的模式构建小波的方法.以扩展二元相位键控的“1”信号为例,采用常数正交函数空间投影法构建了对应的unb1小波,并与经典的Haar,db系列、Symlet系列、Coiflet系列、Biorspline系列、逆Biorspline系列、离散美尔、高斯系列、墨西哥帽和Mor...     

基于HVS与PCNN的彩色图像增强

提出一种新的彩色图像增强方法:将RGB空间转化为HIS空间后保持H分量不变,对S分量进行指数拉伸;而对I分量则利用脉冲耦合神经网络的特性将原始图像的灰度信息与空间信息一起耦合到神经元的内部活动项,然后利用人类视觉系统模型构建动态阈值与其比较得到增强图像.实验证实了这种方法的有效性.     

一种极化合成孔径雷达图像分类的混合方法

为了更好地对极化合成孔径雷达图像进行分类,提出了一种基于神经网络的混合方法.特征集包括图像的5个H/α系数和基于灰度共生矩阵的6个参数.采用主成分分析方法压缩特征维数,利用3层BP神经网络进行分类,并将Levenberg-Marquardt法与共轭梯度算法相结合求解网络权值.利用该算法对San Francisco地面的实测数据进行分类,实验结果显示该算法能有效分辨地形,且性能优于Wishart最大似然估计方法.     

基于PCNN的图像直方图均衡化增强

为了更好地增强图像,提出一种新的图像增强方法.处理分为2个阶段,首先局部增强阶段,利用PCNN模拟空间掩盖效应去除了人眼无法察觉的双边缘,同时在神经元模型中引入侧抑制来模拟Mach带效应,使边缘处灰度差值更大,平滑区域灰度差值更小.其次全局增强阶段,将灰度信息与空间信息耦合到神经元的内部活动项,将阈值设置为局部增强后的图像直方图的累加密度函数,通过比较内部活动项与累加密度函数,得到最终的增强图像.理论与实验均证明了最终图像满足直方图均衡化的要求,不仅对灰度层损失问题免疫,而且直方图近似均衡.     

一种细胞图像的区域标识算法

细胞图像由于其内在特性,一直是图像分割的难点.为了更好地分割与标识细胞图像,采用双层结构,第1层基于传统的分裂合并算法的思想,引入脉冲耦合神经网络并简化对图像分裂,引入MS模型并简化对分裂区域进行合并,得到一个粗分割图像;第2层利用Canny算子提取图像的边界,将长度大于阈值的边界视作细胞边界,反之视作仂边界,得到一个不连续的边界.最后在两层结果的基础上,利用教学形态学的方法,进行骨架提取与细化,最终得到区域分割与标识的结果.实验用5幅细胞图像作为测试,对算法的参数选择做了详细讨论,并就正确标识率和运行时间与基于区域的分割、基于先验模型的分割做对比,表明本文算法更优.     

大豆黄酮对蛋鸡全部产蛋周期的生产性能与激素水平的影响及拟合

为了对蛋鸡饲料添加大豆黄酮后的全部产蛋周期进行系统研究,首先从摘录的公开发表的数据中选取较显著的6个指标：产蛋率、每枚蛋重、料蛋比、17β-雌二醇、三碘甲腺原氨酸、甲状腺素,计算其增长率;然后按照蛋鸡日龄全部整合在一起,以图表的形式绘制出来进行详细分析,并采用多项式模型将数据进行拟合。结果显示蛋鸡的各种性能随着其日龄而变化,且所提模型能够很好地逼近数据。因此,对蛋鸡饲料添加大豆黄酮应根据日龄而选择,本文数据与图表可供参考。     

基于二维Tsallis熵的改进PCNN图像分割

为了改善图像分割的性能,采用改进的脉冲耦合神经网络(PCNN)进行分割,通过对其内部活动项进行空不变的单阈值化分割,来达到对原图像空变阈值化分割效果.另外分割准则也作了修正,通过计算图像二维直方图的Tsallis熵,得到二维Tsallis熵,以此作为图像分割准则.最后,修正了动态门限项的下降速度,使得PCNN收敛更快.实验证明二维Tsallis熵准则优于最大Shannon熵准则与最小交叉熵准则,且改进的PCNN模型比传统PCNN模型收敛更快.