基于BUG理论的一种改进算法

BUG理论是解决未知环境下机器人路径规划问题的一种简单而实用的方法,但它的不足之处是冗余度大,用两点法改进BUG理论,从而很好的弥补了BUG理论的不足,仿真实验表明,该方法是可行的,对环境的适用性强、效果好.     

基于判决理论的平行判决算法

分析了基于判决理论的判决树自动识别算法成功率低、自动识别过程耗费时间长和判决门限多等缺点，提出了改进的平行判决算法。通过MATLAB计算机仿真，验证了这种算法的可行性。统计测试表明，在SNR=8dB的条件下自动识别的正确率不低于98．5％，性能良好。     

基于改进BP神经网络理论的算法研究

研究了改进标准BP神经网络的方法,特别是研究加快标准BP神经网络收敛速度的方法。针对标准BP神经网络的收敛速度慢,分别采用3种方法修改网络的学习速率,然后建立了相应的改进BP网络模型,并把模型应用到实际生活中。和标准BP网络相比,提出的3种改进模犁都具有收敛速度快、精度高的优点。     

一种基于模糊理论的AHP改进算法

针对AHP算法实际应用存在的不足，利用无条件模优越集理论和模糊代数理论对AHP做了进一步改进，减少了繁多的权数确定与一定性检验过程，使其更加更于操作和实际应用。     

基于量子演化理论的行人检测改进算法

对视频中移动摄像头下的行人检测问题进行了研究,在AdaBoost行人分类算法、支持向量机(SVM)理论和多目标优化原理的基础之上,并结合三者的特点,提出了一种基于量子演化算法的行人检测优化算法。首先,使用传统的AdaBoost算法对行人进行粗粒度的分类,然后使用支持向量机(SVM)设计精度更高的行人检测器。针对SVM的分类器参数多、关系复杂,而且无好的调节准则,根据核函数的构建条件,将实值量子演化算法引入到SVM参数的寻优问题中,对于分类性能采用多目标优化的方法,取得了较好的效果;同时从理论上分析了算法的复杂度。经过实例测试,算法与经典多目标优化算法NSGA-II的相比,改进效果明显。最后的实验说明了算法检测的准确性。     

基于云模型理论改进的贝叶斯分类算法

基于云模型理论对朴素贝叶斯分类器进行了改进,使得分类器能够处理语言中的一些模糊值,扩展了朴素贝叶斯分类器的应用范围.使用UCI鸢尾花数据集对算法进行了实验仿真和结果分析.结果表明,改进后的分类算法在一定程度上提高了分类精度.     

平行机问题中GKK算法性能比界的改进

将n个工件分配到m台平行机上加工，在工件的加工不中断及目标函数是极小化最大完工时间的条件下，对其GKK算法的最坏情形性能比界作了改进，并用实例表明了所得新上界的可达性。     

基于LZW算法的改进算法

在分析LZW算法的基础上对LZW算法的缺陷进行了探讨,并对LZW算法进行了改进,大幅度减少了编码的长度,降低了匹配长度取值变化的影响,完全兼容LZW算法,在平均压缩率方面有较大的提高,而且对改进的算法进行了分析论证.     

基于粗糙集理论和布尔矩阵的改进Apriori算法

提出一种基于粗糙集理论和布尔矩阵的关联规则挖掘算法,作为对Apriori算法的改进,通过构造布尔矩阵,利用粗糙集划分等价类的方法对事务数据库的记录进行分类,然后通过等价类的取交或取并运算产生更高阶的频繁项目集,算法能有效减少数据库的扫描次数,实验表明算法在对事务数据库进行挖掘时显示出良好的性能.     

一种改进的基于粗糙集理论的决策树分类算法

提出一种基于粗糙集理论的决策树分类算法.首先,将核属性集中的核属性进行合取后加入析取变换,实现属性约简;其次,在决策树构造阶段,对各条件属性分别求其上下近似集,进而得到各属性的近似精度.选择近似精度最大的属性作为决策树的根结点,以此方法递归应用到各子树上来选择决策树的结点并实现决策树的剪枝.实例分析表明,改进的算法提高了决策树方法的效率.     

一种改进的基于云模型理论的蚁群算法

研究了一种利用云模型来有效限制蚁群算法陷入局部最优解的方法。实验表明,该改进策略可使蚁群算法的全局搜索速度和优化性能均得到明显改善。     

基于蝙蝠算法的花粉算法改进

针对花粉算法(FPA)易陷入局部最优,收敛速度慢,收敛精度不高等缺陷,将蝙蝠算法(BA)引入到花粉算法中,优化花粉配子初始位置,建立基于蝙蝠算法的花粉算法(BA-FPA).为了验证改进后的BA-FPA算法收敛性能优于基本FPA算法和BA算法,任意选取6个标准测试函数进行测试.结果表明,BA-FPA的收敛速度、收敛精度等性能都优于标准FPA和BA.     

基于暗通道先验理论的图像去雾算法改进

提出了一种基于迭代的自适应图像去雾算法,该算法是在基于暗通道先验理论的去雾算法基础上增加了常数c补偿,为了保护边缘信息滤波时采取了双边滤波算法,最后将大气光及透射率当成一个整体并结合峰值信噪比构造了优化条件的迭代算法,实现了自适应图像去雾.模拟实验结果与多种评价性能参数的计算结果都表明,本文的改进算法不仅提高了去雾后图...     

基于改进蜂群算法的项目反应理论混合模型参数估计

基于混合项目反应理论模型, 实现了对客观题组和主观测试组成项目结构的模型构建, 并给出一种改进人工蜂群算法实现该混合模型的参数估计. 在模拟数据上通过与Winbug的对比结果验证了利用改进人工蜂群算法估计混合模型参数的有效性.     

基于Otsu理论的灰度图像分割算法研究和改进

Otsu算法是利用最大类间方差准则对图像像素进行阈值分割.二维Otsu算法是在一维Otsu算法的基础上提出的,但是其计算量大,且只有当图像每个类的像素数目接近彼此时才能得到满意的结果.对二维直方图重新划分,改变阈值的求解范围,提高分割准确率和减少阈值计算时间.实验结果表明该方法提高分割效率,对含噪声的图像分割效果较好.     

基于BM算法的匹配算法的改进

对SNORT的原有规则匹配算法BM算法改进,利用规则树实现了BM算法的多模式匹配功能,在跳跃方面主要依靠于最短模式串与规则树首字符重复出现间隔距离双重控制,在首字符不匹配的情况下,移动模式串的最大距离就是前缀树中最短模式串长度,在整个匹配过程中,最大移动距离是由该前缀树中最短模式串的长度决定;而首字符匹配时,最大移动距离是由规则树首字符重复出现间隔距离决定。     

一种改进的基于粗糙集理论的启发式特征选择算法

在最大支持启发函数的基础上提出了一种新的基于粗糙集的启发函数,称为参数加权平均支持启发函数.该方法的优点是考虑了可能性规则集的整体质量,它所选出的特征在决策类上能形成具有高加权平均支持度的规则,并且能够利用阈值调整下近似的水平.计算实例表明该方法是有效的.     

基于改进分水岭算法的图像分割算法

针对传统分水岭图像分割算法存在的对噪声敏感、误分割率高等缺陷,提出一种基于改进分水岭算法的图像分割方法,以获得更理想的图像分割结果.首先对原始图像进行滤波预处理,消除噪声对图像分割的干扰,保护分割目标的边缘信息;然后对图像进行变换处理以增强图像对比度,并在此基础上采用分水岭算法分割图像;最后采用多种类型图像在MATLAB2014平台上进行仿真测试.仿真测试结果表明,该方法避免了噪声对图像分割结果的影响,能获得更理想的图像分割效果,且分割精度和效率明显优于其他图像分割方法.     

基于WM算法改进的多模式匹配算法

为提高入侵检测系统整体的性能和效率,在研究经典的WM(Wu-Manber)多模式匹配算法的基础上,提出一种改进的WM多模式匹配算法.该算法使用后缀表方法,减少了匹配过程中模式字符串与文本的比较次数.实验结果表明,该算法有效提高了入侵检测系统匹配的速度和效率.