秩排序非线性滤波器的自适应优化算法

在图像处理中，秩排序非线性滤波器具有非常重要的作用。本文从加权顺序统计滤波器的自适应优化算法出发，导出了加权中值滤波器、秩选择滤波器和置换滤波器等几种重要的秩排序非线性滤波器的自适应优化设计算法，这些算法采用迭代计算实现，并可以在MAE、MSE和／Z准则下得到最优解。模拟实验表明，这些算法具有非常好的收敛效果，并可以很好地用于类似图像的非平稳信号的处理。     

高分子纳米粒子研究进展

综述了高分子纳米粒子最新的研究进展,介绍了高分子纳米粒子的研究概况、制备方法、研究方法及应用。其制备方法包括:辐射乳液聚合、种子乳液聚合、无皂乳液聚合、微乳液聚合、分子自组装、模板聚合、分散聚合。高分子纳米粒子在功能电路的设计、高档涂料、医用等方面得以广泛应用,如将高固含量纳米级胶乳应用于水性涂料,可得到较好的涂膜性能。     

一种改进的粒子群优化RBF网络学习算法

提出了一种新的用粒子群优化RBF网络学习的算法,即分组训练合成优化。该算法利用粒子之间的合作与竞争以实现对多维复杂空间的高维搜索能力,找出神经网络权值的最优解,以达到优化神经网络学习的目的。通过与用最小二乘法优化的神经网络进行了比较,结果表明算法所优化的神经网络收敛效果明显、收敛速度快。     

一种基于加权有向拓扑的改进粒子群算法

研究粒子群优化算法(PSO)的拓扑结构和信息流动,以提高算法性能是PSO的一个有意义的研究方向。RuiMendes等人提出的全联通型算法(FIPSO),其拓扑结构本质上是加权无向图,两个邻接点之间的相互影响是对等的,与社会人际网络的真实情况不符。提出了一种改进型算法,重新构造了加权函数,体现了粒子之间影响的不平衡性。仿真结果显示:该改进算法对收敛速度和稳定性均有非常好的改善。     

一种基于多相带通结构的信道化滤波器算法

针对信道化滤波器要求运算速度快、消耗资源多、难以实时处理的突出问题，从多相滤波器，信道化滤波器的结构、原理和运算效率分析出发，推导了一种基于多相带通结构的信道化滤波器算法模型。这种算法将现有多相结构信道化滤波器模型中的低通设计改为带通设计，实现了复数乘法运算全部集中在带通滤波环节当中，并采用协调分级DFT算法的实现方案，大幅度节省了硬件资源，提高了运算效率，实现了信道化滤波器在通用FP—GA和DSP芯片中的实时处理，硬件仿真结果验证了算法模型的正确性和有效性。     

一种混合粒子群算法及其在Job Shop问题中的应用

粒子群算法是一种新颖的演化计算技术,具有思想简单、容易实现的优点,被广泛应用于连续空间的优化。结合遗传算法的思想提出一种新的进化方式并用于Job Shop离散空间优化,进一步结合粒子群算法的群体多样性和禁忌搜索算法的集中搜索性提出一种粒子群算法和禁忌搜索算法的混合策略。用Job Shop问题作为测试基准,仿真试验显示混合粒子群算法是可行和有效的。     

一种方向Gabor滤波纹理分割算法

结合人眼视觉特性，设计了一种方向Gabor滤波器，该滤波器顾及了纹理图像的方向特性；利用Gabor滤波器的带通技术，抑制次要纹理图像的主频率分量，增强目标纹理图像主频率分量，使滤波输出图像具有较大的类间离散度和较小的类内离散度，将纹理图像的分割转化为传统的图像分割，使图像的分割质量和算法效率都得到了提高。     

一种新的量子群进化算法研究

提出了一种基于量子进化的量子群进化算法，使用量子角表示量子比特的状态，并引入改进的粒子群优化策略，对量子群中各量子的量子角进行自适应动态调整．在对0-1背包问题的求解中，表现出很好的性能．     

基于最大最小适应度函数的多目标粒子群算法

针对多目标优化问题提出了一种基于最大最小适应度函数（F_maximin）的粒子群算法，将此算法简称为IMPSO。它在求解多目标问题的非劣解前沿（Pareto Front）时表现出很好的性能。通过经典测试函数计算表明该算法保证收敛到多目标优化问题的Pareto最优前沿；同时，使用两个性能指标（GD和Diversity）验证了此算法优于其他的多目标粒子群优化算法。     

差分进化微粒群优化算法-DEPSO

微粒群优化算法是一种新的进化计算技术,具有良好的优化性能,但是对于高维多模态函数,因进化后期微粒多样性的降低导致算法早熟收敛.文章提出的差分进化微粒群优化算法(DEPSO),拓宽了微粒信息传递的途径,增加了微粒的多样性,保证了算法的全局收敛.实验结果表明,DEPSO比PSO有更好的性能.