基于改进QPSO的单任务Agent联盟生成

针对群智能算法求解Agent联盟生成问题过程中易出现粒子过分聚集,导致多样性降低,甚至陷入局部最优现象提出一种基于改进量子粒子群的求解策略,在粒子过分聚集时借鉴实数编码遗传算法中的柯西变异使粒子聚集程度降低,进而维持了粒子的多样性。并采用多种群并行和最优粒子移民策略加快算法收敛。实验表明,该策略可以快速高效的求解Agent联盟,在运行效率上优于同类方法。     

圆柱形光子晶体微波反应腔的加热效率和均匀性研究

微波加热具有瞬时、可控、高效等优点,已被广泛应用于新材料制备、核工业、名贵药材干燥、化学反应催化、食品加热等方面。微波反应腔作为微波加热系统的关键设备,其更加合理的设计对提升微波加热的效率、均匀性、可控性都具有决定性意义。基于光子晶体对电磁波的布拉格散射特性,将微波波段的光子晶体引入到传统圆柱形微波反应腔中,设计了一款新型圆柱形光子晶体微波反应腔。在此基础上,仿真研究了光子晶体对加热效率和均匀性的影响规律。研究结果表明,相较传统圆柱形微波反应腔,圆柱形光子晶体微波反应腔具有更高的加热效率和均匀性。     

神经网络极速学习方法研究进展

神经网络已经在模式识别、自动控制及数据挖掘等领域取得了广泛的应用,但学习方法的速度不能满足实际需求。传统的误差反向传播方法(BP)主要是基于梯度下降的思想,需要多次迭代;网络的所有参数都需要在训练过程中迭代确定,因此算法的计算量和搜索空间很大。ELM(Extreme Learning Machine,ELM)是一次学习思想使得学习速度提高很多,避免了多次迭代和局部最小值,具有良好的泛化性能、鲁棒性与可控性。但对于不同的数据集和不同的应用领域,无论ELM是用于数据分类或是回归,ELM算法本身还是存在问题,所以本文对已有方法深入对比分析,并指出极速学习方法未来的发展方向。     

基于OWL的成语典故本体构建研究

本体是共享概念模型的明确的形式化规范说明,作为知识表示和知识共享的一种方法,本体是目前信息处理领域研究的热点.基于本体论的思想,利用骨架法构建了成语典故本体,并用OWL语言对成语典故本体进行形式化描述.详细介绍了成语典故本体的目的和使用范围、知识采集提炼及OWL描述,OWL描述分别从类、子类、属性、个体及关系几个方面进行了详细分析,为成语典故相关知识的查询奠定基础.通过成语典故本体的构建可有效对成语典故进行智能检索,是本体技术在中国传统文化中应用的尝试.     

云计算安全及应用探析

随着云计算的普及和越来越多的云计算产品投入使用,频频爆发的安全事件也呈现在人们眼前,安全问题更加重要并且已经严重制约了其发展。首先对云计算的概念和发展进行了概述,分析了云计算面临的安全威胁,对提出了应对风险的云计算安全防范关键技术,最后对云计算环境下少数民族文化知识服务进行了探讨。     

半监督k-部排序算法及在本体中的应用

为使k-部排序学习算法对所有结构的本体图都有效,提出一种半监督k-部排序学习算法.将训练样本集分成带标记和不带标记两类,通过推进的方法优化指数亏损模型,得到组合权值;并通过贪心的方法得到排序特征,由此得到排序函数.从而将本体图(或多本体结构图)中每个顶点映射成一个实数,由本体顶点对应实数间的差值判断概念间的相似程度.通过两个实验说明了新算法对于本体相似度计算和在不同本体间建立映射是有效的.     

面向汉字识别的新特征及其提取方法

人主要是依靠汉字的结构特征来识别汉字,本文提出用汉字笔画端点、折角点和交叉点以及汉字笔画之间构成的"洞"的中心点在24个区域上的分布直方图作为汉字结构新特征,提出通过对Harris角点的检测、合并和去除操作的汉字笔画端点、折角点和交叉点的提取方法,通过建立手写体与印刷体汉字的特征库中相同汉字新特征的集聚性与不同汉字新特征间的离散性的计算,从实验上验证了所提出的汉字新特征的有效性,分析了所提出的新特征对汉字的大小、字体、光照等影响具有良好的鲁棒性,该新特征对手写体汉字的识别具有较好的应用价值。     

基于卷积神经网络的霉变烟叶图像识别方法研究

针对人工在线精选霉变烟叶时,存在效率低下、容易漏检等缺点,提出了一种基于卷积神经网络模型对霉变烟叶图像进行筛选、分类识别的方法.首先建立烟叶数据集,然后搭建卷积神经网络模型,利用卷积神经网络先初步提取特征,再筛选提取主要特征,然后进行各部分的特征汇总;最后实现图像的分类,从而实现了快速、准确的识别霉变烟叶图像和正常烟叶...     

掌纹样本采集技术及预处理技术的分析与研究

对掌纹识别技术中的采样方法、色彩校正、亮度分布不均匀校正、手形朝向校正及目标区域获取这些技术进行了分析和研究,提出了改进的采样方法、基于采样统计的掌纹色斑校正方法、基于亮度分布估计的图像内亮度分布不均匀的校正方法、基于数学形态学的手形方向校正及目标区域获取方法。实验结果表明这些方法取得了良好的效果。     

基于RGB颜色信息聚类的光谱反射率重建

针对光谱反射率研究中因训练样本数据量大造成的冗杂等问题,提出了一种基于RGB信息进行聚类的样本分类方法。首先对颜色进行聚类并确定聚类个数,后对每一类光谱反射率使用BP神经网络分别进行重建。对于实验结果,使用ΔE00、均方根误差（RMSE）以及适应度系数等标准进行评价,同时与主成分分析算法进行对比。从实验分析可得出,在聚类数目为7时光谱反射率重建效果最好,这时的平均CIE2000的色差为0.836,平均RMSE为0.014 9,平均适应度系数为99.82%,并且,在最后对重建色差较大的色块进行了优化处理。实验证明,颜色聚类方法可以很好的应用于光谱反射率重建。