多视角下数据的配准

提出了采用最靠近点的迭代(Iterative Closest Point,ICP)算法，用于完成多视角下数据的配准，并采用四元数法来求解曲面配准所需的旋转及平移阵。在应用上述方法中， 根据测量数据的特点采用了均匀参数化法，并以此为基础利用线性插值法建立了曲面的初始参数模型。在最靠近点的迭代算法中，提出了一种新的判断不同视角下对应点集间有效对应点的方法，该方法简便、快速，具有实用价值。     

基于遗传算法的人工神经网络学习算法

为了克服和改进BP算法的不足，提出了一种基于遗传算法的神经网络学习算法，仿真结果表明，该算法具有无比的优越性，可避免BP算法易于陷入局部极小值，训练速度慢、误差函数必须可导、受网络结构的限制等缺陷。     

基于遗传算法的柔性调度系统模型及其应用

以一个车间作业调度问题为例，探讨了一种借助遗传算法优化调度系统的模型。模型中考虑了基于工序的调度编码和遗传操作改进，以及在适应度函数中如何加入柔性处理等问题。实例模型计算结果表明了该模型的优越性。     

BP算法应用于智能传感器的数据处理

利用BP算法具有的非线性映射能力对传感器标定数据进行输入－输出特性的反非线性逼近，将其作为智能传感器系统的非线性校正软件，使传感器在该软件的支持下提高测量精度。用传感器实验数据通过训练的网络，测量相对误差由原来的6．66％下降至0．98％。     

一种构建灰色预测模型的新算法

针对传统的GM（1，1）建模方法，对于历史数据采取等权处理的局限性，提出了GM（1，1）建模的新算法，不同的历史数据在预测值中具有不同的权重，并且解决了确定权值的学习算法。仿真结果表明了该算法的有效性。     

基于GMDH的VAR滞后选择方法及实证分析

在VAR的动态模型中，滞后数的选择是成功的关键。对于复杂系统建模，根据GMDH理论的有关数据，用计算机合理地调协变量与滞后变量之间的关系，确定模型的最优动态结构和最优滞后数，以提高预测的准确性。给出了VAR的传统方法与GMDH建模方法，应用经济变量进行实证分析，阐明了GMDH算法的优势在于比传统的方法更完善，预测效果更准确。     

基于字典学习改进的时空上下文算法

针对强遮挡导致的跟踪目标失效问题, 提出一种基于字典学习改进的时空上下文算法. 先在目标和上下文区域构建前景字典和上下文字典, 再利用稀疏解的特性, 给提取目标特征更高的权重, 并参与模板的更新, 构造新的条件概率. 实验结果表明, 在出现严重遮挡的数据集中, 时空上下文算法跟踪成功率为19.5%, 改进算法成功率达94.5%, 改进算法能在出现强遮挡情况下有效对抗遮挡问题, 稳定跟踪.     

Groundwater Level Predictions Using Artificial Neural Networks

IntroductionThe prediction of groundwater level fluctuation fordifferent natural conditions and usage rates is ofgreat importance for the use and management ofgroundwater resources.However,groundwaterlevel fluctuations are influenced by many factors,such as precipitation,infiltration,usage and thehydro- geological properties of the aquifer.Therefore,the groundwater level fluctuations arecomplicated and difficult to predict,especially indeep areas.Wells are commonly drilled tounderstand aquifer…     

遗传算法应用于二维微波成像研究

微波成像在生物医学等诸多领域中具有独特优势和远大的应用前景。 但在成像反演计算中，描述微波散射的算子方程通常是复杂的非线性方程，求解十分困难，同时面临着病态方程求解、计算耗时过多等诸多难题。作者试用遗传算法完成成像计算中逆问题的求解。对二维微波成像问题的数值计算结果表明，遗传算法能够对介质目标的位置、形状和介电常数进行准确的成像，并具有较高的计算效率。     

LADT快速拟合的改进

提出了一种用射线逼近曲线的新方法 ,并对快速LADT拟合算法实施了改进 .该方法经MIT BIH心电数据库测试表明 :改进的方法不仅计算量大大减小 ,而且仍然有很高的压缩率 ,增强了LADT算法的实时性 ,使得LADT的实时应用成为可能 .