基于Split Bregman算法的图像处理

在本文中,我们介绍了图像去噪的经典模型-TV去噪模型,TV去噪能更好地保留图像的边缘细节.我们通过实验使用Split Bregman迭代算法对TV模型进行图像去噪,最终我们得出Split Bregman算法收敛速度快,处理TV去噪模型时也能保留图像的细节.     

基于混合遗传算法的叠前随机反演方法

针对常规随机反演方法计算效率低的问题,提出一种基于混合遗传算法的叠前随机反演方法。该方法充分利用测井资料中的高频信息,并以地震数据作为约束,首先通过快速傅里叶滑动平均(fast Fourier transform-moving average,FFT-MA)谱模拟算法进行随机模拟得到基于地质统计学的初始模型信息,随后结合提出的混合遗传算法对模拟结果进行快速优化,得到符合地下地质结构的反演剖面,实现对叠前弹性参数的反演。混合遗传算法避免了一般遗传算法常见问题,如收敛速度慢以及产生"早熟"现象,与模拟退火相结合能够快速收敛达到全局最优,保证了反演精度。数值试验结果表明,融入混合遗传算法的叠前随机反演方法,在充分利用叠前信息的同时可以保证反演结果有效收敛,并且与模型数据吻合较好,与传统的叠前反演方法相比具有较高的分辨率,在储层识别和油藏描述中起到了重要作用。     

ITBES：一种基于门限与身份的WSN加密签名方法

为了提高基于身份的加密签名(IBES)系统中密钥生成中心(PKG)的可信性,采用门限密码学中的(t,n)秘密共享方法,对Xavier IBES算法进行了改进,将主密钥s共享于n个对等的可信第三方PKG之间,并且将改进后的新的基于门限与身份的加密签名一体化方法(ITBES)应用于无线传感器网络,从方法的复杂性、存储需求、安全性方面进行了分析,结果表明我们的方法能够提高PKG可信性,加强无线传感器网络的安全.     

一种基于动态词典的英文文本压缩算法

传统的压缩算法LZ77、LZ78以及改进的LZW都是以单字符为单位进行处理的.这种处理模式降低了对多字符词汇相关性的适应速度,从而直接导致压缩效率的降低.为了提高压缩效率,在LZW压缩算法的基础之上,结合以词汇为单位的处理模式的设计思想,提出了一种基于词汇模式的LZW算法.实验结果表明,这种以词汇为基础的文本压缩算法比原来的LZW算法具有稳定的、更高的压缩效率.该压缩算法可直接推广应用到其他语言的文本压缩中去.     

关于副对称矩阵和副反对称矩阵的讨论

在高等代数中矩阵是研究问题很重要的工具,在讨论矩阵的转置运算时给出了对称矩阵和反对称矩阵的定义及性质。现在我们通过定义矩阵的倒转置运算给出副对称矩阵和副反对称矩阵的定义,然后研究它们的性质,最后研究它们与对称矩阵、反对称矩阵之间的关系。     

基于Apriori算法的多维关联规则挖掘研究

关联规则是数据挖掘中的一个重要研究方向.经典的Apriori算法是一种最有影响的挖掘布尔型关联规则频繁项集的算法,但其并不适合挖掘近年来兴起的多维数据模型.在改进Apriori算法的基础上,提出了一种"二次剪枝"的算法,此算法适用于挖掘多维关联规则,并且在一定程度上提高了算法效率.     

改进的蚂蚁算法求解任务分配问题

将蚂蚁算法用于求解任务分配问题，并提出一种改进算法来提高其全局搜索能力。文中介绍了任务分配问题和蚂蚁算法，给出了求解任务分配问题的蚂蚁算法的数学描述及求解的算法步骤，在此基础上提出求解任务分配问题的改进蚂蚁算法。两个实例验证了改进蚂蚁算法的优越性。     

军事物流配送中心选址模型及其优化算法

配送中心选址在军事物流中具有重要的意义，本文基于军事物流自身的特点，建立了时间优先的单配送中心选址模型、时间优先的多配送中心选址模型和成本优先的多配送中心选址模型三种模型，对于前两种模型采用了分步骤迭代的优化解法，而对于第三种模型采用了图论中的最短路径算法进行优化求解，这些对军事物流理论的研究都必将具有参考价值。     

基于数据挖掘的煤质特性与电厂辅机能耗的关联分析

煤质特性是设计电厂设备的基础,煤质的优劣对生产技术指标,设备的安全运行,电厂经济性运行以及电厂设备能耗具有决定性作用。利用基于Clementine数据挖掘技术分析电厂DCS采集的大量生产数据,计算煤质特性参数与煤处理设备、磨煤机、风机静电除尘器、烟气脱硫装置等辅机设备能耗特性关系,可以为运行人员提供机组在不同负荷及不同煤质特性条件下的最优运行方式与参数控制,进而使燃煤电厂安全经济运行。     

运用改进差分进化算法辨识Hammerstein模型

针对非线性系统Hammerstein模型,利用差分进化算法对非线性模型进行参数辨识,将非线性系统的辨识问题转化为参数空间上的函数优化问题。为了增强差分进化算法的辨识性能,采用一种自适应变异差分进化算法,即引入一个自适应变异率,随着迭代的进行自适应调整缩放因子,从而在初期保持种群多样性避免早熟;在后期逐步降低变异率,保留优良信息,避免最优解遭到破坏。最后通过仿真对比实验表明,改进的差分进化算法比基本差分进化算法精度更高、非线性辨识能力更强。