基于纹理特征的自然图像鉴别方法*

采用图像的纹理特性建立模型,实现了自然图像和人工图像（主要是简笔画、表格、函数图像）的鉴别。首先,计算两类图像的纹理特征,统计并分析数据找出规律;其次,选择图像的平滑度、一致性和图像熵作为代表性的纹理特征,组建数学模型;最后,利用三个特征的线性组合构成鉴别函数,并用模拟退火算法确定权值。实验表明,该方法可以很好地鉴别两类图像,识别效率较高。     

基于PSO-SA的多目标跟踪数据关联算法研究

为快速实现多目标跟踪的数据关联,将粒子群算法(PSO)和模拟退火算法(SA)相结合,实现快速的多目标跟踪数据关联;以跟踪门确定目标的有效量测,以新息的似然函数描述量测与目标的关联关系,建立多目标数据关联的组合优化模型;利用交叉变异的PSO算法求解出该优化组合模型的次优解,再将该次优解作为模拟退火算法的初始温度和状态,利用SA算法对目标函数的解进行细搜索以求得更优解;仿真表明,该算法与经典的JPDA算法相比,PSO-SA算法的关联准确率都大于90%,提高目标关联准确性和跟踪精度。     

基于自适应进化神经网络算法的入侵检测

针对目前多数入侵检测系统的低检测率问题,提出一种自适应进化神经网络算法AENNA。基于遗传算法和BP神经网络算法,利用模拟退火算法的概率突跳和局部搜索强的特性对遗传算法进行改进,采用双种群策略的遗传进化规则实现BP神经网络权值和结构的双重优化;通过对遗传算法的交叉算子与变异算子的改进,设计一种自适应的神经网络训练方法。实验结果表明,基于AENNA的入侵检测方法能够有效提高系统的检测率并降低误报率。     

基于边界扫描技术的设计复杂性优化研究

对于边界扫描技术的电路系统,可利用现代优化算法对其进行复杂性和测试性改善度的综合优化。主要以较小的复杂性设计来实现测试性的最大化改善,以提高系统测试性优化和缩短系统的测试时间。应用模拟退火算法和模拟退火遗传算法实现系统的设计复杂性优化,相比于贪婪算法,模拟退火算法和模拟退火遗传算法能得到更好的优化率。     

人工蜂群算法的一种改进

人工蜂群算法作为一种新生代的优化算法,近年来在众多科学领域中表现出一定的优势,但是其收敛速度并不高效,并且容易过早地陷入局部最优。首先通过对适应度选择进行改进,提高算法的收敛速度,同时结合模拟退火算法,一定程度上避免过早陷入局部最优。最后用一组基准函数进行实验,证明改进后的人工蜂群算法有更好的优化性能。     

模拟退火算法及其改进算法的研究

本文主要研究传统模拟退火算法以及改进算法的思想,在文中分别对各个改进算法给出了实验对比数据,更好证明了改进算法的有效性;在最后讨论了模拟退火算法的优缺点,并在对改进算法的分析研究的基础上归纳给出模拟退火算法可行的改进方向。     

基于改进模拟退火算法的混合制冷循环天然气流程优化

在研究模拟退火算法的基础上,将模拟退火算法进行改进,采用Ackley函数验证改进的效果.运用模拟退火算法和改进算法分别对混合制冷循环天然气流程进行优化仿真,在对流程参数进行有效优化后,利用该优化流程参数,对整个混合制冷循环天然气流程进行模拟仿真,得出以压缩机耗功与丙烷预冷量之和为最小目标函数的优化流程参数.证明模拟退火算法应用于混合制冷循环天然气流程的可行性和有效性.     

新型电路版图布局布线算法设计

调研了电路自动布局布线技术的国内外研究现状,在此基础上设计了一种面向中等规模电路布局布线算法,主要用于大型版图设计软件的模块测试环节,为用户提供各模块初步的布线布局结果,方便用户高效查找并修正错误点,填补了我国在相关领域的空白.建立了超图模型并转换为图模型,改进了Stoer-Wagner算法并利用该算法和Fiduccia-Mattheyses算法对图进行了基于最小割理论的划分,从而构建出一棵划分树.在这棵树的基础上设计了一种二元相对移动算法来确定各个电路元件的位置,大大降低了布局拥挤度,提高了美观度,对于数百元件的电路均能在0.5s内得出布局结果.基于A*算法在多个方面做了改进,提高了布线速度,对于线路数1000以下的元件能在0.1 s～60 s内得出结果,实现了100％ 布通率以及均匀的布局布线效果.     

基于BP-GamysBoost的乳腺癌诊断模型

针对乳腺癌数据存在的不平衡性问题,对标准的Adaboost算法进行改进,即首先引入BP神经网络,然后融合模拟退火遗传算法（SA-GA）较强的全局寻优能力和较快的收敛速度,最后通过权重的合理分配,提出BP-GamysBoost算法。同时为验证所提出的新算法BP-GamysBoost的合理性,从UCI机器学习知识库中获取WBCD数据库,比较BP-GamysBoost算法模型与BP模型、BP-GA模型、BP-Adaboost模型的稳定性、准确率、漏诊率、灵敏度等性能指标。最终结果表明,BP-GamysBoost模型在乳腺癌数据库中运行良好,并优于其他3种算法模型。     

基于改进狮群算法的云计算资源调度策略

针对云计算在运算过程中资源利用率低以及节点负载不均衡的问题,提出一种改进狮群优化算法的云计算资源调度策略.针对传统狮群算法易早熟收敛陷入局部最优以及算法收敛精度低的问题,通过余弦扰动因子以及双高斯变异函数对算法进行改进.数值仿真实验结果表明,改进后的狮群优化算法较好地平衡了算法的全局勘探能力和局部开发能力,提高了算法的全局收敛精度.建立云计算资源调度数学模型,并通过改进后的狮群算法对模型进行优化.