用遗传算法提取基元

基元提取是基于模型的计算机视觉的一项重要任务。Ｈｏｕｇｈ变换是基元提取的最常用的方法,然而,在许多情况下,它的存贮开销太大而难以让人接受。近些年来,有些人用统计学方法来提取基元,但如何构造合适的代价函数角是一个困难问题。基元提取等同于寻找具有多个局部极小值的代价函数的最优解。遗传算法（Ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍｓ）能够有效地在搜索空间中找出全局最优解。为实现有效的基元提取,作者从几何数据点     

参数空间分解法

Ｈｏｕｇｈ变换是目前文献中应用最广泛的特征提取方法。然而,Ｈｏｕｇｈ变换空间开销大的缺陷严重地限制了它的进一步应用。空间开销大的缺陷不仅在标准Ｈｏｕｇｈ变换中存在,而且在近年来新提出的随机Ｈｏｕｇｈ变换、概率Ｈｏｕｇｈ变换以及动态Ｈｏｕｇｈ变换中同样存在。这一缺陷在３０多年来的Ｈｏｕｇｈ变换研究过程中始终没有得到很好的解决。该文提出的参数空间分解法旨在从根本上克服Ｈｏｕｇｈ变换空间开销大的缺陷。参     

利用椭圆性质提取椭圆

基于在文献［１］中开发的曲线提取算法的框架，并利用由椭圆的极点极线性质开发的三点组到椭圆参数的收敛映射，我们开发了一个鲁棒地从直接提取椭圆的以椭机Ｈｏｕｇｈ变换（ＲＨＴ）和椭圆性质为基础的椭圆提取新技术。用精确仿真的计算机图象和真实图象进行的大量实验证明了该技术的正确性、有效性和实用性。     

用遗传算法提取基元

基元提取是基于模型的计算机视觉的一项重要任务.Hough变换是基元提取的最常用的方法,然而,在许多情况下,它的存贮开销太大而难以让人接受.近些年来,有些人用统计学方法来提取基元,但如何构造合适的代价函数仍是一个困难问题.基元提取等同于寻找具有多个局部极小值的代价函数的最优解.遗传算法(Genetic algorithms)能够有效地在搜索空间中找出全局最优解.为实现有效的基元提取,作者从几何数据点中随机地选择一组最小子集,然后用遗传算法对几何数据点进行动态划分,经过若干次进化将得到一个最优划分,与之对应的基元和基元所对应的数据点将被提取出来.这种算法可用于多种基元和多个基元的提取.     

基于圆弧基元的工件实时定位与匹配方法

为实现工业过程中对工件的实时定位,提出了一种基于圆弧基元的工件实时定位与匹配方法。离线过程中,将边缘轮廓多边形近似,进一步分割成线段基元和圆弧基元,制作模板,确定模板中工件的位姿。在线过程中,以最长圆弧基元得到潜在匹配位置并变换模板,通过计算测试图像中几何基元与变换后的模板中对应的几何基元之间的距离来实现匹配定位。试验表明,该方法对于具有圆弧基元的几何形状的工件,能快速、准确地完成实时匹配定位。     

改进的随机窗口Hough变换在直线检测中的应用

Ｈｏｕｇｈ变换是直线检测的基本工具,但标准的Ｈｏｕｇｈ变换在实际应用中存在许多不足之处。本文提出了一种改进的随机Ｈｏｕｇｈ变换算法,它采用矩形窗口取代原肖的正方形窗口,使窗口的尺寸不再受图像素排列模式的影响。实验证明,与现有方法相比,在运算量基本不变的情况下,本文提出的新方法得到的参数精度更高,检测短直线的能力更强。     

Hough变换的新定义

本文的主要工作有以下三个方面：首先通过多方面分析，指出文献中Ｈｏｕｇｈ变换的模板匹配式定义是不完善的；其次我们发现Ｈｏｕｇｈ变换具有一种固有的概率特征，它和待处理的图像无关，但对Ｈｏｕｇｈ变换的性能有根本性的影响，为了描述这种概率特征，本文提出了曲线（曲面）密度函数的概念；最后基于上述两方面的分析，本文给出了Ｈｏｕｇｈ变换的一种新定义。     

TMS320C80实现DIT快速傅利叶变换

随着现代社会的数字化，各种数字信号处理技术正在进入社会生活的各个领域中。数字信号处理（ＤＳＰ）在将各种技术附诸实践方面起着巨大的作用。ＴＩ公司生产的ＴＭＳ３０系列是目前最常用的数字信号处理芯片，本文中，我们采用了ＴＩ公司的性能优越的多处理器芯片ＴＭＳ３２０Ｃ８０来实现数字信号处理技术中最基本、最常用的傅利叶变换。     

通过识别手写体数字比较神经网络与最贴近相邻分类器之性能

本文比较了两种识别手写体数字的技术，各以二维（２Ｄ）空间快速傅里叶变换（ＦＦＴ）系数，几何差动（ｍｏｍｅｎｔ）和拓扑特性等进行比较，分别采用一种逆向传播神经网络和一种最贴近相邻（ｎｅａｒｅｓｔ－ｎｅｉｇｈｂｏｒ）分类器，评价识别特性与运算条件，比较结果表明，神经网络解决复杂问题性能远优于相邻分类器，而且成本也低。     

禁忌搜索方法解最小化拖期任务数的并行多机调度问题

禁忌搜索方法（ＴＳ）是一种将人工智能技术引入管理中的一种高于一般启发式算法的智能化“超启发式”算法，它能有效地解决大型组合优化问题。本文用ＴＳ方法解决最小化拖期任务数的并行多机调度问题，并同目前最好的启发式作了比较，大量实验表明了ＴＳ方法的有效性。     

Cultural algorithms: a Tabu search approach for the optimization of engineering design problems

Cultural Algorithms and Tabu search algorithms are both powerful tools to solve intricate constrained engineering and large-scale multi-modal optimization problems. In this paper, we introduce a hybrid approach that combines Cultural Algorithms and Tabu search (CA–TS). Here, Tabu Search is used to transform History Knowledge in the Belief Space from a passive knowledge source to an active one. In each generation of the Cultural Algorithm, we calculate the best individual solution and then seek the best new neighbor of that solution in the social network for that population using Tabu search. In order to speed up the convergence process through knowledge dissemination, simple forms of social network topologies were used to describe the connectivity of individual solutions. This can reduce the number of needed generations while maintaining accuracy and increasing the search radius when needed. The integration of the Tabu search algorithm as a local enhancement process enables CA–TS to leap over false peaks and local optima. The proposed hybrid algorithm is applied to a set of complex non-linear constrained engineering optimization design problems. Furthermore, computational results are discussed to show that the algorithm can produce results that are comparable or superior to those of other well-known optimization algorithms from the literature, and can improve the performance and the speed of convergence with a reduced communication cost.     

Geometric primitive extraction using a genetic algorithm

Extracting geometric primitives from geometric sensor data is an important problem in model-based vision. A minimal subset is the smallest number of points necessary to define a unique instance of a geometric primitive. A genetic algorithm based on a minimal subset representation is used to perform primitive extraction. It is shown that the genetic approach is an improvement over random search and is capable of extracting more complex primitives than the Hough transform     

基于禁忌搜索的动态粒子群算法

惯性权重线性递减的线性群粒子算法往往不能反映实际的优化搜索过程。动态粒子群算法虽然能较好地实现非线性的搜索,但是更容易陷入局部最优。提出了基于禁忌搜索的动态粒子群算法,引入了禁忌搜索的思想,来解决动态粒子群算法的容易陷入局部最优问题;并对禁忌公式进行了修改,使其不仅可以解决极小值最优问题,也可以解决极大值最优问题。根据实验结果,改进的算法不仅较好地避免了陷入局部最优,而且收敛速度也有提高。     

Optimal process design of two-stage multiple responses grinding processes using desirability functions and metaheuristic technique

Two-stage grinding processes in mass-scale manufacturing unit are usually too complex to optimize, due to large number of interacting process variables, between and within the stages. Furthermore, statistical design of experiment techniques, such as factorial design, fractional factorial and response surface design by sequential experimentations, to determine the exact optimal process design for the overall interdependent two-stage system, are sometimes too difficult to implement, if not impossible. In this context, considering each stage in isolation and determining individual optimal conditions may not result in an optimal process design, when the entire two-stage system is considered. The aim of this study is to apply empirical modelling technique based on direct observations, for prediction of a two-stage grinding process behaviour having multiple response characteristics of continuous variables, and determine overall optimal process design to meet the specific customer requirements. In order to achieve the above goal, the study proposes an integrated approach using multivariate regression, desirability function, and metaheuristic search technique. Three different metaheuristic search techniques, viz. real-coded genetic algorithm, simulated annealing, and a modified Tabu search based on novel Mahalanobis multivariate distance approach to identify Tabu moves, are employed to determining near optimal path conditions for an industrial case study of two-stage CNC grinding (honing) optimization problem, having various process and variable constraints. Computational study results based on different metaheuristics, and applied on the same two-stage optimization problem, show that the modified Tabu search performs better and also offer opportunities to be extended for other multi-stage metal-cutting process optimization problems.     

随机Hough变换的概率模型:有限数据点

该文研究了基于有限个数据点的随机Hough变的的概率模型，在这个模型中，主要讨论了在随机Hough变换的基本算法中起相当关键作用的两个量，累加器数组的控制以及从图像中提取全部基元所需随机抽样的总次数，这两个量对随机Hough变换的算法设计及其终止规则是相当有用的。该文的主要结果包括两部分，其一是对累加器数组引入了多项分布，系统地研究了累加器数组的概率结构及其相互关系，同时也计算了提取全部基元所需的随机抽样总次数的分布，均值和方差，另者是基于不断的随机抽样而使得累加器数组的随机变化。作者引入了多维纯生过程，有了提取全部基元所需随机抽样的总次数服从离散的PH分布，从而它的各阶矩都可用简洁的矩阵形式统一地表出，针对于图像的固有因素，作者也讨论了基元的平稳提取概率，该文的结果为随机Hough变换的进一步研究和应用提供了较为严格的理论依据。     

一种结合Tabu 搜索的非线性遗传算法研究

利用Tabu搜索的强大局部搜索性能,提出一种新的非线性遗传算法．该方法将Tabu搜索技术内嵌于遗传算子中,构造了基于Tabu搜索的非线性杂交及变异算子,它能有效地提高算子的局部搜索能力,通过实例仿真证明了该算法的有效性;同时,以“平均截止代数”和“平均截止代数分布熵”作为评价指标,对该方法的优化效率进行研究,定量评价了该方法的优化效率,通过与实数遗传算法进行比较,说明了该方法的优化效率高于实数遗传算法．     

基于地标特征和元学习方法推荐最适用优化算法

设计并实证研究一种基于地标特征和元学习方法推荐最佳优化算法的实现框架.地标特征摒弃了传统的问题简单特征、统计特征和信息理论特征复杂的提取过程,通过简化运行算法并仅以算法的相对性能表现作为问题特征集.在此基础上,利用元学习方法训练建模并针对新问题作出算法推荐.为验证推荐效果,以多模式资源约束的项目调度问题(MRCPSP)为优化对象,以人工蜂群、蚁群、粒子群和禁忌搜索4种元启发式算法作为推荐对象,分别使用人工神经网络、k最近邻、决策树以及随机森林4种元学习方法建立推荐元模型.计算结果表明,多种元学习方法均指向相近的推荐准确率,平均稳定在70%以上,最高可达95%.基于地标特征和元学习方法实现优化算法推荐是一个值得进一步探讨的新方向.     

一种禁忌搜索算法在二维HP非格模型中的应用

禁忌搜索算法是一种启发式的全局优化算法,是局部搜索算法的一种推广,已被成功地应用于许多组合优化问题,本文探讨将一种记忆的禁忌搜索算法应用于求解蛋白质结构预测问题。文中首先介绍了一种二维HP非格模型,此模型最后可以归结为一个全局优化问题,然后介绍了记忆的禁忌搜索算法在其中的应用,通过与PERM（Pruned—Enriched—Rosenbluth Method）比较,发现禁忌算法能得到较好的实验结果,经分析发现虽然二维HP非格模型很简单,但却能反映蛋白质结构的一些简单的性质,即在蛋白质结构中,疏水性氨基酸形成束,总是被极性氨基酸包围。数值实验表明该算法对于蛋白质结构预测是可行有效的。     

基于精英集聚效应的实数编码小世界优化算法

为了提高小世界算法的高维模型优化性能和降低算法的编码复杂性，提出了一种基于精英集聚效应的自适应实数编码小世界优化算法。该算法借鉴小世界现象进行网络空间搜索，包括随机长连接和局部短连接。为了提高优化性能，首先基于精英集聚效应在长连接中加入分级个体吸引策略；然后根据节点优化优劣在短连接中进行搜索次数及邻域大小的自适应调整。为了降低编码复杂性采用了实数编码。最后通过Markov链理论证明了算法的收敛性。数值测试结果表明，与禁忌遗传算法、基本小世界算法以及禁忌小世界算法相比，该算法在相对误差方面平均降低了30.3%，在收敛速度和稳定性方面分别平均提高了18.2%和13.8%，从而验证了算法的有效性。     

高光谱遥感影像端元提取算法研究进展及分类

在给出端元的物理、代数和几何学解释基础上,对现有端元提取算法从算法设计机理出发,分为基于几何学、基于统计学和信号检测理论以及空间和光谱相结合三大类,并进一步对基于几何学的端元提取算法从技术处理手段差异细分为基于距离、体积、投影变换和最优化4种情况。结合端元提取算法分类,针对算法缺陷及改进思路,介绍了常见端元提取算法PPI、N-FINDR、UOSP、VCA、ICA、NMF和AMEE研究进展。最后,结合解混理论进展和工程应用实际,从技术综合和性能优化的角度指出了端元提取算法的研究展望。