多层动态克隆选择算法的研究

克隆选择算法作为检测器的优化器,主要包括两个主要的算子：否定选择算子和遗传算子.传统的静态克隆选择算法不能适应动态的网络访问,因此本章提出了一个多层动态克隆选择算法.多层动态克隆选择算法能够通过再次检测,过滤掉不合格的检测器,这样能够在提高系统检测率的同时降低系统的误报率.     

H-单调算子与广义集值变分包含组

利用新的单调算子即H 单调算子,定义了该算子下的预解算子,并讨论了一类广义集值变分包含组,进而给出了H 单调算子下的新的迭代算法,并证明了该算法的收敛性.     

一种求解TSP问题的新型遗传算法

针对以往各种遗传算法解决旅行商问题(TSP)后期收敛比较困难的问题,提出一种新的遗传变异算子.首先提出了搜索半径概念,使得搜索的空间变大,进而结合选择算子、交叉算子,提出了一种新的解决TSP问题的方法.仿真实验表明:该算法同单一的贪婪遗传算子算法想比,具有更好的性能和全局搜索能力.     

一种改进的粒子群优化算法

粒子群优化算法是一种基于仿生技术的启发式算法,针对粒子群优化算法存在易早熟现象,提出一种改进的粒子群优化算法.该算法给出了一种新的变异算子,该算子具有一定探索和开发能力,从而避免算法陷入局部最优.基于新变异算子给出一个新的粒子位置更新公式.根据系统稳定性理论,推出了算法的参数设置区域.最后,通过标准测试函数的性能测试,验证了改进粒子群优化算法收敛速度和求解精度.实验结果表明,该算法具有较好的收敛速度和求解精度.     

基于在线判别分布域特征选择的鲁棒跟踪算法

针对基于检测目标跟踪中的特征描述子Haar-like表征能力不强和易引入错误训练样本导致目标漂移的问题,提出了一种利用分布域描述算子进行示例层级的在线判别特征选择跟踪算法.首先,用软直方图方法快速近似得到分布域特征,并利用此描述算子取代Haar-like特征有效表示目标的外观信息.然后,基于示例级样本的先验信息进行有监督学习,利用在线判别特征选择算法选择最佳的分布域层特征以减少漂移现象发生.实验利用多场景视频标准测试库及新的评价指标进行验证,结果表明本文算法性能优于对比算法.     

基于剩余型蕴涵算子的α-三I算法

三I算法是针对模糊推理FMP与FMT模型的一种新的推理方法.剩余型蕴涵算子是一类广泛的蕴涵算子,具有较好的性质.讨论了剩余型蕴涵算子之下FMP与FMT模型的α-三I算法,对三I算法作了进一步的推广,得到了相应的表达形式.     

基于基因重组的新颖克隆选择算法

受生物免疫系统免疫机制的启发,提出了一种新的克隆选择算法RBCSA.首先,根据B细胞免疫反应中的基因重组原理引入了一种新的基因重组复合算子来加强种群个体之间的信息交互,进而提高算法全局搜索的能力.然后,对克隆选择算法中的超变异算子进行了改进,进一步加强了算法的局部搜索和寻优的能力.最后,结合新提出的基因重组算子和改进的超变异算子,提出了一种新的基于基因重组的克隆选择算法,并通过求解16个常用的全局最优化问题的经典测试函数进行仿真实验,结果表明RBCSA算法具有很好的平衡全局探索和局部寻优的能力,有效地提升了克隆选择算法的寻优性能,尤其对于高维最优化测试函数.另外,与现有其他进化算法相比,RBCSA算法显示出了很强的竞争力.     

一类新的H-单调算子的广义变分包含

利用Fang和Huang的H-单调算子的预解算子技巧,解决了一类新的H-单调算子的广义变分包含的解的存在唯一性问题,并建立了一个新的算法.改进和推广了Fang和Huang的结果.     

一种改进的粒子群优化算法

针对粒子群优化算法早熟收敛现象,提出了一种改进的粒子群优化算法.该算法将模拟退火算法的"上山性"引入粒子群算法中,同时为了增加种群的多样性,将交叉和变异算子也结合进去,形成了一种新的改进粒子群算法.比较了高斯变异和柯西变异这两种变异算子对改进算法的影响.改进算法对典型函数的优化计算结果表明,与基本粒子群算法相比,改进算法能够更加快速有效的收敛到全局最优解,而且采用柯西变异算子的改进算法的效果比采用高斯变异算子的效果要好.     

关于(H,η)单调算子的非线性集值算子包含的迭代算法

引进了关于H和G的强单调性概念,在Hilbert空间中研究了新的一类关于( H,η)单调算子的非线性集值算子包含.应用与( H,η)单调算子相关的预解算子技巧提出了一个迭代算法逼近其解,并且讨论了由此算法产生的迭代序列的收敛特征.     

基于改进粒子群算法的优化策略

为提高传统粒子群算法的搜索速度和搜索精度,提出了一种改进的自适应粒子群优化算法.将正则变化函数和慢变函数引入传统位置更新和速度更新公式当中,形成两种新的更新机制:搜索算子和开发算子.在算法运行的初始阶段,种群中大部分个体将按照搜索算子进行更新,搜索算子将有助于种群遍历整个解空间;随着迭代次数的增加,按照搜索算子进行更新的个体将逐渐减少,而按照开发算子进行更新的个体将逐渐增多,开发算子将有效地克服陷入局部最优解的问题.通过典型测试函数的仿真实验,新算法在加快收敛速度同时,提高了算法的全局搜索能力.     

基于颜色信息与区域生长的图像分割新算法

提出了一种新的结合了颜色特征与区域生长的彩色图像分割算法B-JSEG.该算法是在彩色图像分割的JSEG算法和边缘检测中的方向算子的基础上实现的.根据已有算法的缺陷,利用新的参数描述纹理颜色信息,并通过区域增长和合并来获得最后的分割结果.由于在JSEG算法中加入了方向算子,同时考虑了区域的相似性和边界的非连续性,减少了过分割.大量图像的实验结果表明,所提出的算法具有很好的鲁棒性,比JSEG算法更符合人类的视觉感知.     

信息传播影响下基于进化蜂群算法的应急车辆路径优化设计

为了能够准确反映信息传播对于应急物资需求的影响以及有效优化应急配送车辆的路径,构建了基于双层扩散网络的需求预测模型和改进的离散人工蜂群算法(进化蜂群算法).首先,在分析扩散网络中事件层和信息层关系的基础上构建了物资需求预测模型.其次,在进化蜂群算法中,依据适应度值和历史进化程度来甄别优秀信息,并融合了交叉算子和变异算子...     

一种结合MSER与SIFT算子的特征检测方法

为了快速稳定地进行仿射变换下的局部特征区域提取,提出了一种新的特征区域提取算法.首先检测图像最稳定极值区域(MSER),然后将这些区域归一化,接着对其使用尺度不变特征变换(SIFT)算子进行特征提取.试验结果表明,所提出的算法不仅赋予最稳定极值区域合理的数学描述,而且其抗仿射变换能力强于SIFT算子.另外,由于只是对部分图像计算SIFT算子,速度上也要快于传统的SIFT算法.     

改进DNA遗传算法求解非线性多约束规划研究

基于生物DNA信息遗传机理及生物进化规则,给出一种基于DNA编码方法的改进遗传算法,以求解非线性多约束规划问题,原始的选择算子和交叉算子分别被改造为动态选择算子和基因传递算子;算法中还加入了一个新的算子——淘汰算子,分析及算法仿真结果表明,本算法可有效求解该问题。     

广义集值变分包含的迭代算法

引入了N(·,·):H×H→H在第一变元关于A是α g 松驰Lipschitz连续的概念,利用一种新的单调算子—h 单调算子所生成的预解算子,给出了一类广义集值变分包含的迭代算法,并证明了该算法的强收敛性.     

一种任意复杂平面域三角化的健壮算法

提出了一种新的广义交换算子,并且以广义交换算子为基础实现了任意复杂平面域的三角剖分算法.该算法的特点有二整个算法的实现过程不会出现多边形的空腔,只需维护单一的三角形数据结构,数值稳定性高;可对任意复杂的非正则平面图形进行有质量控制的三角化.     

基于互相关矩阵的二维传播算子实值算法

为提高传播算子算法在低信噪比下的波达方向（direction of arrival,DOA）估计性能,降低计算复杂度,提出了一种基于互相关矩阵的二维传播算子DOA估计实值算法（UC-PM）.该算法通过构造新的互相关矩阵代替阵列接收数据矩阵,抑制了噪声分量的影响,并且保持了传播算子算法计算量小的优点,利用线性运算代替特征分解求得旋转不变关系矩阵.同时,为进一步降低算法计算量,利用酉变换思想构建新的实数域旋转不变关系,将特征分解和最小二乘问题实数化.仿真结果和计算复杂度分析表明,新算法在低信噪比下的估计性能优于传统二维传播算子算法,接近于二维ESPRIT算法,且其计算复杂度远小于二维ESPRIT算法,实时性好,具有良好的实用价值.      

基于深度网络分级特征图的图像超分辨率重建

从低分辨率图像中提取特征图恢复高分辨率图像中的高频信息是超分辨率重建的一个关键问题,针对该问题提出一个新的基于卷积神经网络的超分辨率重建算法.网络结构由卷积层与子像素卷积组成,特征提取网络中卷积层提取低分辨率图像的特征,重建网络中子像素卷积神经网络作为上采样算子.针对不能充分利用多级特征图的问题,采用跳跃连接和特征图联结在特征提取网络末端跨通道融合特征图,同时降低特征图的维度.并在此基础上再次提取特征图应用于重建.实验结果表明,算法在PSNR、SSIM和人类视觉效果上与其他基于深度学习的算法相比有着显著的提高.     

极大单调算子零点的投影迭代

在实光滑、一致凸Banach空间中,设计了一种新的投影迭代算法,利用Lyapunov泛函与广义投影映射等技巧,证明了迭代序列强收敛于极大单调算子零点的结论;并将此迭代算法加以推广,研究了有限个极大单调算子公共零点的迭代收敛性.