基于期望最大化的K-Means聚类算法

针对高维数据下的聚类效果需要提高,提出一种基于期望最大化的k-means聚类改进算法.该算法在没有降维和破坏原有数据结构的情况下,把期望最大化算法和k-means算法相结合,用期望最大化算法选取k-means的算法的初始聚类中心.并针对高维数据提出一种新的距离算法,代替传统的距离算法.实验结果表明提出的算法的可行性,并且在处理高维数据时的有效性.     

Koch曲线的序数理论与新算法设计

生成Koch曲线的常见算法是递归算法、Ls算法和IFS算法.针对现有三种算法的局限性,提出Koch曲线的序数理论,设计生成Koch曲线的OV算法.OV算法不需要递归调用,不占用大量空间,并且兼容于LS算法,还可以推广到Koch结构.最后,以OV算法为基础,提出LS2算法,有效地解决了LS算法的问题.     

基于结点的度性质的几何约束求解的研究

针对参数化设计中的几何约束求解问题,提出一个新的分解算法.通过在约束图中引入结点的度的概念,根据在完备约束图中度为2的结点所特有的性质借鉴Joan-Arinyo经典算法,提出新的几何约束分解算法.为使新算法解决与Joan-Arinyo的算法所能解决的同类问题,基于Joan-Arinyo的算法与新算法的共同点进而提出新的合并算法.合并后的算法与Joan-Arinyo的算法在使用范围上相同,但在概念上更简单且更容易实现.     

一种求解单调方程组的范数下降共轭梯度法

提出一种求解大规模非线性单调方程组的范数下降共轭梯度算法.所提算法推广了Xiao,Song,Wang等提出的求解无约束优化问题的基于BB循环步长的共轭梯度算法,并结合Solodov和Svaiter提出的投影梯度算法.所提算法迭代形式简单、储存量小,且每步迭代不需要方程组的导数信息.本文证明算法的全局收敛性,并做数值试验验证算法在求解非线性单调方程组方面的有效性.     

基于多模型检测的视频监控行人跟踪算法

研究了网络视频监控中行人检测和跟踪技术,并提出了基于多模型检测的视频监控行人跟踪算法.首先在已有检测算法的基础上,根据实验结果,分析了算法的优势和存在问题,提出了多模型融合检测算法,多模型融合检测算法充分利用各个单模型算法的优势,提高模型检测准确率,并使用快速特征金字塔算法提高了算法的实时性.随后在提出的检测算法基础上,结合卡尔曼滤波算法和匈牙利最优匹配算法实现多目标行人检测和实时跟踪.MOT测试视频实验结果表明:提出的跟踪算法能够较好地实现多目标行人检测和跟踪,适合网络视频监控场景.     

爬山法与模式蚁群法混合的贝叶斯优化算法

针对传统贝叶斯优化算法进化效率低及收敛速度慢的情况,提出一种新型混合贝叶斯优化算法.该算法利用适应度遗传及个体的局部搜索方法,使种群个体趋向于全局最优解,提高了进化效率.为提高贝叶斯优化算法中贝叶斯网络结构学习的效率,提出一种爬山法和模式蚁群算法相结合的网络结构学习方法,同时对新型贝叶斯优化算法的收敛性进行了分析.利用典型的函数对提出的新型混合贝叶斯优化算法进行了仿真分析,证明了所提出的方法可以有效地加快算法的收敛速度和收敛精度.将该算法应用于目标分配问题中,仿真证明了所提算法的有效性和优越性.     

基于高效二阶最小化的运动模糊目标跟踪算法

针对运动模糊严重时容易导致目标跟踪失败的问题,提出了基于高效二阶最小化(ESM)的模板匹配目标跟踪算法.首先提出一种运动模糊模板匹配的图像构造模型.然后引入ESM算法,在ESM算法基础上,用改进的高效二阶最小化(ESM-MB)算法跟踪运动模板.引入摄像头快门估计时间作为参数,提出了自适应不同快门速度所引起的不同的运动模糊的ESM-MB-ST跟踪算法.最后,通过真实视频序列的跟踪实验,验证了提出的ESM-MB算法及ESM-MB-ST算法具有更强的鲁棒性与实时性.     

FP-growth算法的一种优化实现

研究工作者已经提出了许多对事务数据库中频繁模式、关联规则的挖掘算法.早期算法有Apriori算法,然而该算法利用候选项集找频繁项集,而候选项集的产生往往是非常耗时的.JianweiHan等人提出了一种改进的算法,FP-growth算法.该算法不产生候选项集,效率比Apriori算法提高了近一个数量级.在描述FP-growth算法的基础上,具体讨论了如何优化数据结构,有效的实现该算法.     

基于RM策略的资源受限偶发任务调度算法

针对现有资源受限偶发任务低能耗调度算法存在的不足,提出基于RM策略的资源受限偶发任务低能耗调度算法.首先,借鉴抢占阈值的思想,通过修改任务优先级的概念,提出双优先级单调速率调度(RM/DPP)算法,并且给出RM/DPP算法可行的必要条件.然后,以RM/DPP算法为基础,提出资源受限偶发任务低能耗调度(STLPSARC)算法,并且给出该算法可行的必要条件.最后,通过实验验证STLPSARC算法的性能,结果表明:STLPSARC算法比RM/DPP算法平均节约大约65.03%的能耗.     

改进差分进化算法在系统可靠性问题中的应用

分析了经典差分进化算法的寻优特点,提出一种扩展变量维数的自适应差分进化算法.该算法将变异率作为解向量的一维分量,随其他分量一起参与算法进化的全过程,使算法参数更好地适应算法进化各阶段的要求,提高了算法性能.将改进后的算法应用到系统可靠性问题中,针对3种典型的可靠性问题进行了仿真实验.结果表明,所提出的算法与其他算法相比具有很好的寻优效果.     

基于径向基函数神经网络的飞机目标识别法

通过将自适应小波神经网络 (AWNN)中的小波基函数直接替换为 Gauss径向基函数 ,提出了一种适于对目标一维距离像信号直接进行分类的径向基函数神经网络(RBFNN)。对用于信号分类的 RBFNN网络结构的确定、RBFNN的训练以及最终判决规则的确定等问题 ,进行了深入的讨论。对 6个目标不同信噪比下的分类结果表明 ,提出的 RBFNN对距离像信号具有很强的分类能力 ,对于开发更加实用化的目标识别算法显示了很大的潜力     

基于遗传算法的RBF神经网络中心值优化研究

RBF神经网络中心值的确定是个关键的问题,在很大程度上决定了RBF网络性能的好坏.该文采用遗传算法对RBF神经中心进行优化,并将优化后的RBF神经网络用于非线性函数逼近,实例证明取得了较好的效果.     

基于遗传算法和神经网络的色谱重叠峰解析

提出了一个新的色谱重叠峰解析方法———基于遗传算法(GA)和EMG模型的径向基函数神经网络(EMG-RBFNN)的色谱重叠峰解析。为了使EMG-RBFNN具有结构重组能力,用于色谱重叠峰解析的EMG-RBFNN采用了遗传算法。遗传算法具有鲁棒性和全局优化能力,若种群过小,则陷于局部极值点的概率将增高,而EMG模型是一个低效模型,选用过大的种群,必然使解析过程加长。为了提高算法效率,文中提出先用高效色谱峰近似模型———标准高斯模型进行繁衍,而后再用EMG模型的快速算法。     

一种用于RBF神经网络的支持向量机与BP的混合学习算法

基于支持向量机与径向基(RBF)神经网络在结构上的相似性,提出了一种用于RBF网络的支持向量机与BP的混合学习算法．算法分为2步：首先采用序贯最小优化算法学习训练支持向量机,得到RBF网络较优的初始结构和参数;随后由BP算法调整优化RBF网络参数．混合学习算法结合了支持向量机小样本学习、学习训练快捷以及BP算法在线修改网络参数的特点．仿真研究表明,混合学习算法学习效率高,网络性能优良,应用于函数逼近时效果优良．     

基于RBF神经网络的冠心病识别模型

RBF神经网络是前馈神经网络研究中的一个热点.对RBF神经网络的网络结构、基本原理和学习算法进行了介绍.针对BP神经网络自身的缺陷,提出以RBF神经网络为识别模型,采用最近邻聚类学习算法,建立一种冠心病模式识别诊断系统.仿真实验表明,该模型可快速完成对冠心病样本的学习与拟合,具有预测识别率高的优点,可作为该病诊断的一种有效的辅助手段.     

基于特征矢量输入的神经网络测向方法

提出了一种新的基于特征矢量的采集输入数据方法，经该方法训练的径向基函数神经网络（RBFNN）可用于码多分址（CDMA）系统中多源信号波达角（DOA）的估计。该方法对信道噪声不敏感，能以较少的训练样本就可得到推广能力较好的神经网络。仿真结果表明，以新方法训练的RBFNN对多源信号DOA估计精度较高，实时性好，适用于CDMA通信系统的高分辨率测向。     

基于RBFNN的强化学习在机器人导航中的应用

在复杂连续环境下,强化学习系统的状态空间面临维数灾难问题,需要采取量化的方法,降低输入空间的复杂度。径向基神经网络(RBFNN:Radial Basis Function Neural Networks)具有较强的函数逼近能力及泛化能力,由此提出了基于径向基神经网络的Q学习方法,并将其应用于单机器人的自主导航。在基于径向基神经网络的强化学习系统中,用径向基神经网络逼近状态空间和Q函数,使学习系统具有良好的泛化能力。仿真结果表明,该导航方法具有较强的避碰能力,提高了机器人对环境的适应能力。     

启发式方法研究5'-甲硫腺苷核苷酶抑制剂定量构效关系

定量构效关系的研究已成为化学和环境科学研究中的一个前沿领域.对29个甲硫腺苷核苷酶抑制剂的结构进行优化得到描述其分子结构的5类描述符,并选择6个描述符运用启发式方法和RBFNN方法分别建立了描述29个5’-甲硫腺苷核苷酶的结构与其对5’-甲硫腺苷核苷酶的抑制活性之间的线性和非线性QSAR模型.RBFNN模型的训练集、预测集的相关系数(R2)分别为0.9681与0.9126.结果表明,RBFNN模型性能要优于HM模型,具有较好地预测和反映真实情况的能力,这为预测其他类似物的活性和设计新的抑制剂提供了理论依据.     

一个神经网络分类器的构造

提出了一个构造径向基函数神经网络分类器的有效方法,利用快速聚类和统计的方法确定网络中间层及中间层到输出层间的权值,把构造的分类器用于手写体数字的分类实验,取得了比较好的结果。     

改进的RBFNN用于机器人三维表面 测量系统曲面重构

为克服三坐标测量机检测速度慢等缺点,提出机器人三维表面测量系统. 针对该系统设计了一种基于径向基神经网络(RBFNN)的简洁快速曲面重构方法. 该方法考虑到RBFNN选取的神经元函数为高斯函数,将机器人三维表面测量系统获得的点云数据投影到二维平面,然后将该二维平面平均分割,选取分割点为RBFNN神经元的中心,避免了模糊c-均值法选取中心需要迭代计算的缺点,并且重构的网络训练精度和测试精度均高于模糊c-均值法选取中心设计的网络精度. 利用该测量系统获得的实际点云数据验证了