机场地勤服务优化问题的双重变异单亲遗传算法

为了减少地勤服务作业调度影响的航班延误,以总航班延误最小化及航班延误方差最小化为目标建立了多目标非线性整数优化模型.地勤服务作业调度优化问题是NP难问题,因此,提出了一种双重变异单亲遗传算法求解该类问题.该算法避免了遗传算法求解同类问题时产生非法个体的现象,并且双重变异策略具有全局搜索能力.结果表明:双重变异单亲遗传算法可以很好地解决航班分配服务组及服务组内航班服务序列优化的地勤服务调度问题,减少了因地勤服务作业导致的航班总延误,避免了单个航班长时间延误.     

一种求解随机线性二层规划问题的分支定界-粒子群混合算法

将一类随机线性二层规划模型转换为带期望约束的确定性线性二层协方差规划模型,并进一步利用KKT条件将二层协方差规划模型转化为单层规划模型,然后利用分支定界-粒子群混合算法对该模型进行求解.与传统分支定界算法的对比实验表明,该算法有效改善了上层问题的方差结果,且计算效率得到了较显著提高.     

方差约束因子耦合搜索区域判定模型的图像修复算法

为了解决Criminisi算法在图像修复过程中无法保证修复块的优先级顺序,从而导致修复质量不佳的问题,提出了方差约束因子耦合搜索区域判定模型的图像修复算法.首先,将待修复块分割为两个子块,通过子块的方差构建方差约束因子,并利用方差约束因子改进Criminisi算法中的优先权函数;然后,在二维直角坐标系中对损坏区域进行测量,根据测量结果选取损坏基准值,以构建搜索区域判定模型,确定最优匹配块的搜索范围;最后,引入SSD(Sum of Squared Differences)模型在搜索区域中选取最优匹配块,利用最优匹配块中像素点与待修复块中对应像素点的像素差值构造置信度更新模型,对置信度进行更新,实现图像的修复.实验结果表明,与其他图像修复算法相比,本文算法具有更好的图像修复视觉质量.     

基于相关系数的快速图像匹配研究

针对传统图像相关匹配算法计算量较大的问题,研究图像库中相关图像搜索方法.提出一种改进的相关匹配算法,该方法通过对相关系数公式进行简化和迭代运算,减少了重复运算.通过设定参考图像与目标图像的相关系数阈值,只需计算方差相差较小的点的相关系数,提高了运算速度,计算时间减少到原来的14%,甚至更短.在文件夹的图像搜索中实现了图像的快速匹配.     

强噪声背景下高频CW电报信号的自动检测

长期以来,CW电报通信都靠人工操作来完成,难以满足大容量、高速度的要求,如何实现CW电报的自动检测与识别,减少人为因素的影响,提高其有效性是当前高频CW电报研究的重要课题.在强噪声背景下,高频CW信号的包络检波检测法难以有效跟踪信号波形.检测性能严重下降.针对此问题,提出了一种基于Kalman滤波的微弱CW信号检测方法.该方法首先采用Kalman滤波器实时捕捉CW信号,恢复信号波形,再运用复数谱方差识别干扰信号与CW信号,提取出纯净的CW信号.实验表明:该方法能够在强噪声背景下有效地检测出CW信号,具有更高的识别率,且算法简单,实时性强,可用于指导高频CW电报自动接收设备的研制.     

组合惩罚下联合均值与方差模型的变量选择

在生产实践和计量经济领域中,控制产品质量的方差就能保证产品的合格品数相对稳定,所以当前学者对联合均值与方差模型的研究倍感兴趣.基于解释变量经常是具有相关关系的实际情况,提出了一种由SCAD惩罚和岭回归混合在一起的组合惩罚,该惩罚充分利用了岭回归能克服解释变量相关性过高对估计效果的影响,同时也证明了这样的惩罚具有相合性和Oracle性质.使用该组合惩罚对联合均值与方差模型进行了变量选择.最后的随机模拟结果表明该模型和方法是有效的.     

大型竞赛的一种评卷模型

针对大型竞赛评卷过程中存在的不公平性问题,提出一种有效控制误差的评卷模型,并用该模型对2006年全国大学生数模竞赛广西赛区的阅卷实例进行验证.结果显示,新模型比传统的评分模型可以更好地消除误差,更合理地反映出参赛队伍的实际水平,具有较强的适应性.     

山西灵丘自然保护区青檀群落木本植物种间关联性

通过方差分析、χ2检验、Pearson相关系数、Spearman秩相关系数检验,采用2×2列联表对灵丘青檀自然保护区14个优势种的联结性进行了研究.结果表明:14个优势种种间总体关联性呈显著正联结,群落处于较稳定的顶级阶段.χ2检验,显著、极显著的关联种对只有13对,优势物种青檀与其他种群联结不显著.Pearson相关系数检验,显著、极显著关联的种对有23对,青檀与荆条呈显著正联结,与其他多数物种呈显著、极显著负联结.Spearman秩相关系数检验,显著、极显著关联的种对有30对,青檀与其他多数物种呈显著、极显著负联结.物种间对生境具有不同生态适应性和相互分离的生态位,群落成熟程度较高.     

基于最大方差组合的选择性神经网络集成

为进一步提高神经网络集成的泛化能力,提出一种基于最大方差组合的选择性神经网络集成构造方法：首先训练出若干神经网络个体,其次,利用离散人工蜂群算法对这些神经网络个体进行组合优化的全局搜索,选出一个最大方差的个体组合,最后,将具有最大方差的神经网络个体使用简单平均方法进行神经网络集成.将该模型应用与广西东南部的区域降水预报试验,实验结果表明,笔者提出的神经网络集成方法比常用的Bagging集成方法提高了8％以上,能有效地提高神经网络的泛化能力.     

单正态总体下抽样分布的一个证明

利用随机向量独立性的相关性质、变量变换定理以及数学归纳法给出单正态总体下样本均值与样本方差的独立性以及样本方差的抽样分布的一种证明方法.