多粒度颜色特征在图像检索中的应用

将商空间粒度计算理论引入到了图像检索领域,提出了一种新的图像检索方法.首先针对彩色图像在不同粒度下的表现得到不同粒度下的颜色特征,获得不同的商空间,然后根据商空间粒度合成原理对已得到的商空间进行合成,进而以合成后的属性函数来完成图像检索.与采用单一颜色特征的图像检索方法相比,采用多粒度颜色特征的图像检索方法能够在更大程度上利用图像自身所提供的信息,实验结果验证了该方法的可行性和有效性.     

一种受限于给定最大延误上界的单目标启发式算法

基于有效求解在未超过给定的最大延误上界这一约束条件下最小化总完工时间的置换流水车间调度问题,提出一种新的迭代贪心启发式算法IG_CZ,通过结合全局和局部优化策略获得最优解或近似最优解.并在Taillard基准测试集上对不同规模的问题进行算法性能测试,实验结果表明,IG_CZ算法不仅简单、易于实现,而且求解能力及解的质量优于对比的其他算法。     

基于链码的人体骨架建模

提出一种基于链码和曲率的人体骨架建模方法.先通过形态学方法得到人体骨架并将其简化后用邻域法求出骨架端点,然后用链码表示骨架遍历得到骨架分叉点,并通过上肢链码的曲率值得到骨架拐点,再对各个关键点进行相应的连接,建立人体骨架模型,进而表达人体上肢运动的有效信息.实验结果表明,该方法取得了较高的拐点检测准确率,且耗时较少,建模效果较好.     

用育种算子改进遗传算法

为解决遗传算法求解一些特殊问题时容易出现的未成熟收敛问题,提出了在遗传操作中加入育种算子的方法,以改进传统遗传算法.在讨论生物工程中育种方法的基础上,给出了育种算子的定义和原理分析证明.育种算子能提高个体进化的概率,且不会出现由高概率变异引起的群体退化现象.计算机模拟实验结果表明,加入育种算子可以明显提高算法性能.     

粒子群算法在求解优化问题中的应用

粒子群优化(PSO:Particle Swarm Optimization)算法是一种新兴的优化技术,其思想来源于人工生命和进化计算理论.PSO算法通过粒子追随自己找到的最好解和整个群体的最好解完成优化.为了避免PSO算法在求解最优化问题时陷入在局部最优及提高PSO算法的收敛速度,提出了对PSO算法增加更新概率.对无约束和有约束最优化问题分别设计了基于PSO算法的不同的求解方法和测试函数,并对PSO算法求解多目标优化问题进行了研究.仿真实验表明了改进的PSO算法求解最优化问题时的有效性.     

基于C-均值聚类的二层次人像聚类算法

提出一种基于C-均值聚类的二层次人像聚类算法,解决了传统硬聚类中由于每个数据只能属于某一类而使得处于类边界的数据在检索时结果准确度不高, 以及对高维大数据量数据分类时存在的模糊聚类时间和空间复杂性过大等问题. 该算法为大规模人像数据库检索提供了一种可行的分类方法, 使得分类后的人像数据在有效提高检索速度的同时保证了检索的准确度.     

用群体启发进化规划求解高维优化问题

提出一种新的进化规划方法,群体启发进化规划（PHEP）,在进化过程中,通过控制群体的4个参数,把握群体中个体分布情况,并通过这些信息有效地调整个体的变异步长,克服了传统EP方法变异步长修正的盲目性.将PHEP方法应用于高维优化问题,实验结果表明,PHEP方法在高维条件下的性能明显优于其他EP方法.     

采用结构与参数训练相结合的RNN模型构建基因调控网络

提出一种采用递归神经网络模型构建基因调控网络,将结构训练与参数训练相结合的方法进行网络的权值训练.采用模拟退火算法训练网络结构,找出调控关系权值,再引入基于免疫思想的粒子群算法对权值进行参数优化,得到基因调控网络图.并分别用人工数据和大肠杆茵DNA修复系统基因数据进行实验.实验结果表明,该方法能有效地从基因时序数据中揭示基因间的调控关系.     

湘中恩口－斗笠山矿区岩溶塌陷研究

湘中恩口－斗笠山煤矿区是南方典型的大水岩溶矿区。由于多年的开采，矿区内已产生了一系列环境地质问题，其中岩溶塌陷最为普遍而且危害严重。文章系统分析并全面总结了岩溶塌陷的分布规律，预测了６个主要塌陷区。这将有助于有效治理岩溶塌陷，有助于我们及时地采取预防措施。     

基于FP-tree频集模式的FP-Growth算法对关联规则挖掘的影响

通过对两个有代表性的算法Apriori和FP-Growth的剖析, 说明频集模式挖掘的过程 , 比较有候选项集产生和无候选项集产生算法的特点, 并给出FP-tree结构的构造方法以 及对挖掘关联规则的影响, 提出了对算法的改进方法.