基于参数方差调节萤火虫算法的三维路径规划

为了提高萤火虫算法大范围搜索时的速度和精度,提出了一种参数方差调节萤火虫算法。首先分析基本萤火虫算法,在此基础上提出了参数方差调节萤火虫算法的核心思想：计算种群亮度的方差评估种群的敛散性,根据进程调节参数,进而达到改进萤火虫算法的目的,并给出了算法的实现步骤和流程;然后在四个优化测试函数中将参数方差调节萤火虫算法与基本萤火虫算法、遗传算法、粒子群算法进行比较和分析,发现参数方差调节萤火虫算法在测试中能迅速的找到符合精度要求的解,且成功率是100%,具有较好的稳定性,较之其他算法优势明显;最后通过构建计算能量消耗的目标函数在有实际背景和地理参数的自主式水下潜器三维路径规划的仿真实验中应用参数方差调节萤火虫算法,在三维海底环境中规划出符合要求的路,从而证明了参数方差调节萤火虫算法在三维路径规划中的实用性。     

精英正交学习萤火虫算法

针对萤火虫算法后期收敛较慢以及求解精度不高的问题,提出了精英正交学习萤火虫算法。该算法利用精英萤火虫采用正交学习策略来构造指导向量,以保存和发现最优方向信息,从而引导群体更准确地飞向全局最优区域。同时,还采用了自适应步长技术来更好地平衡算法探索与开发能力,采用最小吸引力参数保证高维空间距离过大的个体之间的相互吸引。在6个经典测试函数上与标准萤火虫算法及其它3种改进的萤火虫算法进行了对比,实验结果表明,提出的算法具有较快的收敛速度和较高的收敛精度。     

基于最优类中心扰动的萤火虫聚类算法

萤火虫算法FA是受自然界中萤火虫的发光特性以及通过发光交流信息的现象启发提出的一种新的群智能优化算法。在该算法中,萤火虫被吸引向亮度高的萤火虫移动,最亮的萤火虫随机移动,导致该算法聚类时存在收敛速度较慢、后期容易在最优值附近振荡、稳定性较差的问题。据此,对萤火虫的移动方式和随机扰动方式做了改进,提出了一种改进的萤火虫聚类算法——基于最优类中心扰动的萤火虫聚类算法。实验比较了步长因子的取值。UCI数据集的仿真结果表明,该聚类算法的聚类效果较好,能消除FA在最优值附近反复振荡的问题,算法的稳定性和收敛性明显提高。     

量子群智能优化算法综述

随着科学技术的不断发展,最优化理论及其衍生出的算法已经广泛应用于人们的日常工作与生活当中,现实世界中的很多问题都可以被描述为组合优化问题。群智能优化算法这些年来被证明在解决组合优化问题方面效果显著,将当下处于研究热点的量子计算概念引入群智能优化算法形成的量子群智能优化算法,为更好地解决组合优化问题提出了一个新的研究方向。在过去的二十多年里,许多量子群智能优化算法被不断开发出来,同时在此基础上进行了大量改进与应用。综述了量子蚁群算法、量子粒子群算法、量子人工鱼群算法、量子人工蜂群算法、量子布谷鸟搜索算法、量子混合蛙跳算法、量子萤火虫算法、量子蝙蝠算法等量子群智能优化算法,并对量子群智能优化算法面临的问题以及未来研究方向进行了深入探讨。     

面向珍珠分拣机器人的形状视觉检测方法

针对人工进行珍珠形状分拣效率低、精度不稳定等问题,提出基于机器视觉的珍珠形状检测方法。采用背光成像方式消除珍珠表面纹理和光泽的影响,对获取的珍珠图像进行同态滤波等预处理算法,提高图像对比度。为了解决相互接触珍珠影响珍珠轮廓提取的问题,采用分水岭算法对珍珠图像进行分割,得到了独立存在的珍珠个体,再通过连通域标记、质心算法对珍珠进行定位。根据国家标准对珍珠形状的规定,基于珍珠图像信息建立珍珠形状参数模型,对珍珠形状进行量化。实验结果表明,不同形状的珍珠样本的检测误差为0.63%,形状统计精度为100%,算法耗时24 ms。该方法可准确高效对珍珠进行分拣分级,具有一定的实用价值。     

一种基于粒子群的入侵检测研究

当今攻击网络的手段是多种多样的,为保护网络的用户不受来自网络的攻击,网络在使用中需要安全设备和安全技术。入侵检测技术是一种安全检测技术,该技术能够来阻止网络攻击行为。但要阻止网络的攻击行为,必须检测到该行为。本文在简述了入侵检测技术,粒子群知识后,然后提出了粒子群在入侵检测技术上的应用。该技术在入侵检测上的应用将使得检测方法具有一定的智能性,将粒子群技术应用到入侵检测中属于是首次。本文提出的具有一定智能性检测算法可分为两个步骤：①首先通过函数y=f（x）判断链路中的数据流是否在正常范围内,还是属于异常。②然后如果某种数据流属于异常的流,则使用粒子群算法来对未知属性数据流的属性进行定性判断。本文提出的算法具有一定的智能性,能够作为现有的入侵检测算法的补充。     

视觉显著性的眼底图像视盘检测

目的 青光眼是导致失明的主要疾病之一,视盘区域的形状、大小等参数是青光眼临床诊断的重要指标。然而眼底图像通常亮度低、对比度弱,且眼底结构复杂,各组织以及病灶干扰严重。为解决上述问题,实现视盘的精确检测,提出一种视觉显著性的眼底图像视盘检测方法。方法 首先,依据视盘区域显著的特点,采用一种基于视觉显著性的方法对视盘区域进行定位;其次,采用全卷积神经网络（fully convolutional neural network,FCN）预训练模型提取深度特征,同时计算视盘区域的平均灰度,进而提取颜色特征;最后,将深度特征、视盘区域的颜色特征和背景先验信息融合到单层元胞自动机（single-layer cellular automata,SCA）中迭代演化,实现眼底图像视盘区域的精确检测。结果 在视网膜图像公开数据集DRISHTI-GS、MESSIDOR和DRIONS-DB上对本文算法进行实验验证,平均相似度系数分别为0.965 8、0.961 6和0.971 1;杰卡德系数分别为0.934 1、0.922 4和0.937 6;召回率系数分别为0.964 8、0.958 9和0.967 4;准确度系数分别为0.996 6、0.995 3和0.996 8,在3个数据集上均可精确地检测视盘区域。实验结果表明,本文算法精确度高,鲁棒性强,运算速度快。结论 本文算法能够有效克服眼底图像亮度低、对比度弱及血管、病灶等组织干扰的影响,在多个视网膜图像公开数据集上进行验证均取得了较好的检测结果,具有较强的泛化性,可以实现视盘区域的精确检测。     

Retinal optic disc localization using convergence tracking of blood vessels

Optic disc localization is of great diagnostic value related to retinal diseases, such as glaucoma and diabetic retinopathy. However, the detection process is quite challenging because positions of optic discs vary from image to image, and moreover, pathological changes, like hard exudates or neovascularization, may alter optic disc appearance. In this paper, we propose a robust approach to accurately detect the optic disc region and locate the optic disc center in color retinal images. The proposed technique employs a kernelized least-squares classifier to decide the area that contains optic disc. Then connected-component labeling and lumination information are used together to find the convergence of blood vessels, which is thought to be optic disc center. The proposed method has been evaluated over two datasets: the Digital Retinal Images for Vessel Extraction (DRIVE), and the Non-fluorescein Images for Vessel Extraction (NIVE) datasets. Experimental results have shown that our method outperforms existing methods, achieving a competitive accuracy (97.52 %) and efficiency (1.1577s).     

面向分拣机器人的珍珠形状视觉检测方法

针对人工进行珍珠形状分拣效率低、精度不稳定等问题,提出基于机器视觉的珍珠形状检测方法;采用背光成像方式消除珍珠表面纹理和光泽的影响,对获取的珍珠图像进行同态滤波等预处理算法,提高图像对比度;为了解决相互接触珍珠影响珍珠轮廓提取的问题,采用分水岭算法对珍珠图像进行分割,得到了独立存在的珍珠个体,再通过连通域标记、质心算法对珍珠进行定位;根据国家标准对珍珠形状的规定,基于珍珠图像信息建立珍珠形状参数模型,对珍珠形状进行量化;实验结果表明,不同形状的珍珠样本的检测误差为0.63%,形状统计精度为100%,算法耗时24 ms;该方法可准确高效地对珍珠进行分拣分级,具有一定的实用价值。     

Particle swarm optimization-based algorithms for TSP and generalized TSP

A novel particle swarm optimization (PSO)-based algorithm for the traveling salesman problem (TSP) is presented. An uncertain searching strategy and a crossover eliminated technique are used to accelerate the convergence speed. Compared with the existing algorithms for solving TSP using swarm intelligence, it has been shown that the size of the solved problems could be increased by using the proposed algorithm.Another PSO-based algorithm is proposed and applied to solve the generalized traveling salesman problem by employing the generalized chromosome. Two local search techniques are used to speed up the convergence. Numerical results show the effectiveness of the proposed algorithms.     

基于自适应惯性权重的樽海鞘群算法

针对标准樽海鞘群算法收敛精度低、收敛速度慢的问题,提出一种基于自适应惯性权重的樽海鞘群算法(AIWSSA).首先,在追随者位置更新公式中引入惯性权重因子评价个体之间的影响程度;然后,结合种群成功率与非线性递减函数对惯性权重因子进行自适应调整,使算法的全局和局部搜索能力得到更好地平衡;最后,为防止算法陷入局部最优,引入差分变异思想对非最优个体进行变异.对12个基准测试函数进行求解,实验结果表明:AIWSSA具有较高的收敛精度、收敛速度和鲁棒性; Wilcoxon统计检验结果表明:与标准樽海鞘群算法、改进的樽海鞘群算法、其他群体智能算法相比, AIWSSA表现出较好的性能.通过将其应用于两种带约束的工程设计问题,验证了AIWSSA的有效性.     

引入Lévy flight和萤火虫行为的鱼群算法

针对人工鱼群算法(artificial fish-swarm algorithm,AFSA)和萤火虫算法(firefly algorithm,FA)在多维多极值函数寻优过程中易陷入局部最优和精度有待提高等问题,提出引入Lévy flight和萤火虫行为的鱼群算法(fish swarm algorithm with Lévy flight and firefly behavior).该算法将萤火虫算法中萤火虫个体的移动策略引入到鱼群的聚群,觅食两种行为模式中,进而将Lévy flight引入到鱼群的搜索策略中,使得鱼群的搜索更加高效.此外,采取一种基于动态参数的非线性变视野和变步长的策略来限定鱼群的搜索范围.仿真分析表明,新算法较其他测试算法具有更好的全局搜索能力和寻优精度.     

MC-CDMA系统的神经鱼群算法检测器

为使人工鱼群算法在最短的时间内取得多用户检测问题的最优解,在MC-CDMA系统基础上设计一种神经网络人工鱼群算法。人工鱼的3种神经网络行为使神经网络人工鱼群算法在解决多用户检测该类组合优化问题时,减少搜索的随机性和任意性,加快原鱼群算法的收敛速度。仿真结果证明,该算法能够快速收敛,且其抗多址干扰能力和抗远近效应能力优于已有应用智能算法的多用户检测器。     

一种自适应多策略行为粒子群优化算法

针对粒子群优化算法收敛速度慢、局部搜索能力差等缺点,提出一种自适应多策略行为粒子群优化算法.算法中每个粒子拥有4种行为进化策略,在迭代过程中通过计算每种进化策略的立即价值、未来价值和综合奖励来决定粒子的进化行为,并通过策略行为概率变异算法提升个体寻优速度或避免陷入局部最优解.在经典的基准测试函数上,对新算法与其他7个群智能进化算法的测试结果进行比较分析,结果表明所提出算法具有很好的求解精度和收敛速度,尤其适合应用于一些高维优化问题.     

高频噪声下的螺栓表面缺陷检测

螺栓在很多领域内应用广泛,但在制造和加工过程中可能会出现缺陷问题,螺栓表面缺陷的存在将很大程度影响其使用寿命,并可能造成安全隐患.为了更好地检测螺栓表面缺陷,同时提高检测的速度与精度,应用机器视觉相关技术,针对螺栓表面纹理复杂、具有高频噪声难以检测的问题,提出了基于连通域自定义形状描述子的滤波算法.首先通过图像预处理与局部自适应二值化算法得到需要滤波的图像,再根据自定义的形状描述子对连通域进行高效滤波,最后经过后处理得到螺栓表面的缺陷检测结果.提出的算法能准确检测出高频噪声下的螺栓表面缺陷,并为复杂纹理下基于图像的无损质量检测技术提供了新的思路.     

一种轴类零件边缘精确定位方法

针对目前的边缘检测算法存在定位精度低、处理速度慢、抗噪性能差等缺陷,提出了一种轴类零件尺寸检测的图像边缘高精度定位方法。该方法采用改进的自适应中值滤波算法、改进的Kirsch算子和在图像边缘灰度梯度方向上进行二次函数逼近高斯曲线拟合方法,实现了图像边缘亚像素高精度定位,提高了尺寸检测精度。通过对气门尺寸的计算机视觉检测实际应用,证明提出的算法精确且稳定,满足高精度视觉检测要求。     

若干新型群智能优化算法的对比研究

随着计算机技术的发展,算法技术也在不断交替更新。近年来,群体智能算法受到了广泛的关注和研究,并在诸如机器学习、过程控制、工程预测等领域取得了进展。群智能优化算法属于生物启发式方法,广泛应用在解决最优化问题上,传统的群智能算法为解决一些实际问题提供了新思路,但是也在一些实验中暴露出不足。近年来,许多学者相继提出了很多新型群智能优化算法,选取了最近几年国内外提出的比较典型的群智能算法,蝙蝠算法（Bat Algorithm,BA）、灰狼优化算法（Grey Wolf Optimization,GWO）、蜻蜓算法（Dragonfly Algorithm,DA）、鲸鱼优化算法（Whale Optimization Algorithm,WOA）、蝗虫优化算法（Grasshopper Optimization Algorithm,GOA）和麻雀搜索算法（Sparrow Search Algorithm,SSA）,并进一步通过22个标准的CEC测试函数从收敛速度、精度和稳定性等方面对比了这些算法的实验性能,并对比分析了其相关的改进方法。最后总结了群智能优化算法的特点,探讨了其今后的发展潜力。     

群集智能算法在WSN节点定位中的应用

为提高无线传感器网络(WSN)的节点定位的估计精度,提出基于自由搜索优化的智能估计定位算法。自由搜索是一种新的群集智能算法,应用于函数优化。该算法计算量少、收敛速度高、程序实现简洁、需要调整的参数少。利用智能优化算法将参数估计问题转化为非线性函数的优化问题。仿真实验结果显示,与最小二乘估计定位算法相比,新算法的定位精度有所提高。     

鲸鱼优化算法研究综述

鲸鱼优化算法是一种受座头鲸的狩猎行为启发所提出的新型群体智能优化算法,其性能远超传统算法。为了跟踪最新研究成果、促进群体智能优化算法领域的研究,首先介绍了鲸鱼优化算法的基本原理,简述了其实现步骤,并对比分析了其性能特点。针对其收敛速度慢、收敛精度低等缺点,总结分析了融入其他智能优化算法、Lévy飞行策略、混沌策略等改进方式及其优势与局限;接着阐述了其在组合优化、图像分割、数据预测等方面的应用及取得的效果。最后,对未来发展趋势进行总结与展望。     

经典YOLO系列目标检测算法及其在乳腺癌检测中的应用

目前乳腺癌已取代肺癌成为年发病率最高的癌症, 基于深度学习的目标检测技术可对乳腺X线、乳腺超声和乳腺核磁共振等非侵入式成像进行自动病变检测, 已成为乳腺癌辅助诊断的首选途径. YOLO (you only look once)系列算法是基于深度学习的目标检测算法, 经典YOLO算法在速度和精准度具有优势, 被广泛应用于计算机视觉各领域, 最新YOLO算法是计算机视觉领域的SOTA (state of the art)模型, 如何利用YOLO系列算法提高乳腺癌检测速度和准确率, 已经成为研究者关注的焦点之一. 基于此, 本文介绍经典YOLO系列算法的原理, 梳理经典YOLO系列算法在乳腺癌图像检测中的应用现状, 并归纳总结现存问题, 同时对YOLO系列算法在乳腺癌检测的进一步应用进行展望.