云环境下多群体协作粒子群优化框架的研究

如何将粒子群优化与云相结合,充分利用广域范围内的计算资源参与粒子群优化执行从而进一步提高计算效率并降低计算成本,为此文章提出了一个云环境下的多层多群体并行协作粒子群优化（C—LPMCPSO）框架。首先根据云环境的特点引入多群体并行协作粒子群优化算法;然后着重研究了如何利用云计算技术和PMCPSO算法设计并实现C—LPMCPSO框架,该框架隐藏云环境的复杂性并具有一个元调度器用于无缝的资源发现和选取;最后,根据实验数据,证明基于多群体并行协作粒子群优化算法能够构造一个可靠框架解决工程设计最优化问题。     

全自动手套机用多任务型控制软件的开发

在进行全自动手套机功能需求分析的基础上，结合基于PSoC平台设计的手套机硬件控制系统，开发用于全自动手套机的多任务型控制软件。详述该软件的总体结构和设计思路，分析多任务并行运行的时序规划以及解决时序冲突的方法，并对控制软件中实时性要求较强、设计难度较大的模块进行重点介绍。经实际运行检测，该控制系统软件运行良好，在类似的控制系统设计中具有一定的应用价值。     

基于改进型循环神经网络算法的食品包装智能实时识别系统研究

目的:为了满足物联网边缘计算的需求,引入循环神经网络算法,构建智能实时分类识别系统,并对食品包装图像进行研究。方法:构建仿真试验测试模型,先对图像数据集进行预处理,将二维图像进行去冗余化、灰度化及归一化等处理,最终将时序化后数据并行输入;以典型的忆阻器作为实现硬件RNN的研究对象,采用忆阻器非线性函数构建并行阵列式储备池神经网络映射层;并利用岭回归算法解决训练过程中出现的过拟合等问题。结果:试验方法对食品包装数据集的分类准确率高达98.59%。结论:该系统减少了传统神经网络层数,降低了训练成本,并实现了对时序信号的高精度实时在线识别。     

注塑机协同开发过程模型的研究

建立注塑机开发过程模型是开发注塑机协同设计系统的基础.提出了将注塑机开发过程按照项目、设计任务和设计活动3个层次进行分解的方法,给出了注塑机设计过程模型形式化定义.该模型明确了设计任务间的并行、顺序和协同关系,可以直接按设计任务构成活动网络图,进行规划、分析、管理等工作,使开发过程具有良好的可变更性和可控性.     

连续蒸煮过程的关联估计递阶DMC控制

针对制浆生产蒸煮过程控制中存在的反应过程复杂、机理建模困难,设计了关联估计递阶动态矩阵预测控制(DMC)算法.新的关联估计协调算法克服了目标协调算法计算量大等缺点,实现了在1台微机上并行运算和控制,从而大幅度提高了各个变量控制算法和协调算法的运算速度和通信速度.对实际连续蒸煮过程的试验结果表明,该算法具有简单易实现,运算量小,实时性好等特点.     

定量电子包装秤中关键误差解决方案

通过建立称重数学模型,分析在动态称重过程中产生误差的原因,并结合动态系统对称重速率和称重精度的整体要求,在国内外现有技术的基础上,提出了一套基于三料速时序控制和数字增量式PID算法的系统关键性误差解决方案。详细阐述了三料速时序控制流程以及各参数的设定办法,并对数字增量式PID算法进行了推导和对参数设定进行了讨论,给出了该算法动态校正的程序流程。     

图书馆数字资源数据挖掘系统设计

针对高校如何合理采购真正符合读者需求的数字资源、提高数字资源的访问效率等问题,设计了基于AprioriHybrid算法的系统,对数字资源数据库的集成信息数据进行关联分析,具体讨论该系统的挖掘系统结构、关键算法和实现结果描述.     

一种由程控阀门开关时序图识别出阀门变量表的方法

介绍了从程控阀门时序图中自动识别并摘出程控阀门变量表的一种方法.该方法先从时序图中除去阀门变量名及开启或闭合阶段步骤的网格线识别并摘取出时序线,然后分别摘出变量名的横向网格线和开启闭合阶段步骤的竖向网格线,再依据摘取出的时序线和横向网格线识别出程控阀门的变量名称,依据摘取出的时序线和竖向网格线识别出程控阀门的开启和闭合的时间,自动生成变量表,供编程和调试程序使用.该方法算法简单,可以大大减轻摘出过程的工作量,提高从程控阀门时序图中摘取阀门变量开启和闭合时序的准确率.     

一种由程控阀门开关时序图识别出阀门变量表的方法

介绍了从程控阀门时序图中自动识别并摘出程控阀门变量表的一种方法.该方法先从时序图中除去阀门变量名及开启或闭合阶段步骤的网格线识别并摘取出时序线,然后分别摘出变量名的横向网格线和开启闭合阶段步骤的竖向网格线,再依据摘取出的时序线和横向网格线识别出程控阀门的变量名称,依据摘取出的时序线和竖向网格线识别出程控阀门的开启和闭合的时间,自动生成变量表,供编程和调试程序使用.该方法算法简单,可以大大减轻摘出过程的工作量,提高从程控阀门时序图中摘取阀门变量开启和闭合时序的准确率.     

图书馆数字资源数据挖掘系统设计

针对高校如何合理采购真正符合读者需求的数字资源、提高数字资源的访问效率等问题,设计了基于AprioriHybrid算法的系统,对数字资源数据库的集成信息数据进行关联分析,具体讨论该系统的挖掘系统结构、关键算法和实现结果描述.     

基于混沌优化的一种二层非线性规划算法

二层规划为强NP-hard问题,其数值求解极为困难,对于二层非线性规划更是如此.针对这种情况提出一种具有较强鲁棒性和实用性的多点收缩混沌优化算法,之后将其用来求解二层非线性规划.数值仿真表明这种方法能高质量的得出二层非线性规划的全局最优解,并且收敛速度快.     

基于模糊自适应算法的移动物流操作平台协调控制研究

针对新型移动物流操作平台,本研究提出基于模糊自适应算法的协调控制器,以削弱微分几何方法对精确数学模型的依赖,实现在外部扰动及系统模型不精确的条件下,移动物流操作平台系统依然能得到较高的控制精度,使多移动物流操作平台系统能够保持全局稳定性并可以跟踪给定的期望轨迹。仿真实验结果证明了该控制器算法的可行性和有效性。     

基于IFA-SVM的粮食霉变预测研究

霉变的发生会导致粮食品质下降甚至粮食浪费,是影响粮食安全储藏的重要因素之一。粮食霉变过程是一个持续过程,在不同发展阶段有着不同的发展规律, 若采取有效的科学方法提前预测粮食是否会发生霉变,对粮食储藏安全具有重要意义。本文提出一种基于萤火虫算法优化支持向量机参数（IFA-SVM）的预测分类模型,引入高斯函数非线性改变萤火虫算法的步长,将稻谷作为研究对象,判断稻谷在给定的温度、水分、储藏时间条件下是否发生霉变。选择实验室生化培养箱对实际存储环境进行模拟,结果显示,相比传统的SVM模型、BP神经网络模型和FA-SVM模型,IFA-SVM模型对稻谷霉变情况的预测准确率可达96%且迭代时间降低,在实际粮食存储霉变预测领域有良好的应用前景。     

基于兴趣度剪枝的Apriori优化算法

鉴于关联规则挖掘中的Apriori算法在挖掘潜在有价值、低支持度模式时效率较低,因此提出一种优化的Apriori挖掘算法,即在频繁项集挖掘中引入项项正相关兴趣度量剪枝策略,有效过滤掉非正相关长模式和无效项集,从而扩大了可挖掘支持度阈值范围.实验结果表明,该算法是有效和可行的.     

基于模糊C均值聚类的纺织品印花图像分割

 针对纺织品印花精度检测的关键技术问题,主要围绕纺织品印花图像的有效分割展开研究工作,提出了基于距离修正和隶属度修正的FCM算法。为了确保FCM算法的有效性和精确性,对其参数的选取和算法结构进行了深入的研究,结合参数的自适应初始化方法和FCM算法的修正方法,最终给出该算法对纺织品印花图像的分割效果图。实验结果表明,该算法对纺织品印花图像有良好的分割效果,并且对由光和织物纹理引起的干扰有一定的抑制作用。     

基于改进TextRank的关键词抽取算法

为了解决TextRank算法的初始权值问题,提高关键词的抽取质量,在TextRank算法的基础上,引入了G1赋权法对TF-IDF算法的词语位置、词语长度和词性等3个属性赋予不同的权重,设计并实现了综合权重法的关键词抽取算法——TextRank-CM算法。将TextRank-CM算法、TextRank+TF-IDF算法和TextRank算法分别应用于中文关键词的抽取,结果表明:TextRank-CM算法在中文关键词抽取中的准确率和召回率明显优于另两种算法。     

一种基于数值计算的改进BP神经网络加速算法

为增加神经网络收敛的稳定性与收敛速度,提出了一种改进的网络优化加速算法.在权值调整期间加入前N期权值结果,增强了训练的稳定性;使用Steffensen迭代算法进行加速,使网络训练较快地收敛;有效地解决了传统BP神经网络的缺点.进行数值实验,将10幅二值化后的车牌数字字符图片作为训练样本送入改进的网络与传统的BP神经网络中分别进行训练,可以看出传统BP算法在训练过程中出现了振荡且收敛速度较慢.而改进的算法误差稳步下降,没有出现传统算法中振荡的现象,且较传统算法早达到收敛稳定.     

基于Prewitt算子的苹果分类研究

提出一种简单实用的基于Prewitt算子的苹果分类算法.该算法利用Prewitt算法检测苹果图像的边缘,利用阈值方法对苹果图像进行分割,通过计算连接区域确定苹果是否有损伤.该方法不仅可以精确定位苹果的茎部和损伤部位,而且能够消除苹果图像中的阴影.100个测试样本的实验表明,该算法能够快速地对苹果进行准确分类,准确率可以达到99%.     

基于内容的多媒体数据库索引算法研究

分析了多媒体数据库信息检索的索引算法,并且对k-means聚类算法中初始聚类数目和聚类中心的设定进行了改进,设计了一种用于大容量图像数据库的索引方法.在1万多幅风景图像数据库上反复进行实验,结果表明该算法能够有效地支持大容量图像数据库的基于内容的检索.     

基于改进HMM的食品安全风险评估方法

目的：解决现有的食品安全风险评估方法存在的评估精度低且不准确等问题。方法：在构建食品安全风险指数的基础上,提出了一种将隐马尔可夫模型和布谷鸟搜索算法结合用于食品风险评估方法。通过布谷鸟算法搜索全局最优解作为隐马尔可夫模型初值,在通过Baum-Welch算法进行局部校正,使其快速收敛到全局最优解。通过对乳制品数据的试验分析,验证了该方法的优越性。结果：与改进前相比,改进后的评价方法更准确、有效,在时间特征下能更准确地预测食品质量安全,检测准确度在97.5%以上。结论：该方法结合时间特征进行预测,检测准确度较高,可为企业提供有效的风险评估结果。