基于EPr／TN网系统的异构网络集成研究

随着计算机网络技术的发展，异构网络的集成研究越显重要。本就是严格按照协议工程的观点，将EPr/TN网系统作为形式化描述工具，在对协议进行描述和分析和基础上，通过构造协议转换器实现了异构网络的集成。     

求解TSP问题的思维进化算法

针对一类非数值问题──TSP的特点,在基本思维进化算法(MEC)框架的基础上,提出了求解TSP的趋同和异化策略,从而实现了MEC在求解非数值问题的一个应用,并对其收敛性进行了简要证明。同某些遗传算法(IENS和GESA)比较的仿真实验结果表明:MEC在收敛速度、解的优良性等方面要优于这些遗传算法。     

非完美维修模型下的风电机组最优维修决策

为了使基于可靠度的维修决策与风电场实际运维一致,达到提高风电场整体经济效益的目的,在非完美维修模型的基础上,基于广义更新过程思想构建了风电机组的故障率函数更新模型,进而在考虑维修准备成本和保证风电场基本可用度的前提下提出风电机组的多目标定周期动态非完美预防性维修决策。通过遗传算法求得模型最优解,并将结果与传统完美维修策略和不考虑小修次数对维修准备成本影响的维修策略进行对比,同时对其进行灵敏性分析,验证了模型的有效性、经济性和可行性。     

基于序贯重点采样粒子滤波的分布估计算法

 连续域分布估计算法一般假设数据服从高斯分布,而且大多采用了单峰的概率模型,但是对于一些复杂的优化问题,单峰的高斯分布模型不能有效地描述解在空间的分布.本文提出一种基于序贯重点采样粒子滤波的分布估计算法,采用带权粒子描述优选集样本服从的概率分布并从中采样得到下一代种群,不需要假设样本服从高斯分布,并且算法采用的概率模型是多峰的.仿真实验结果验证了本文方法的正确性和有效性.     

采用分布估计算法计算AHP判断矩阵排序权重

判断矩阵排序权重计算及其一致性检验可以归结为一个使一致性指标最小化的非线性、变量耦合的优化问题。提出一个利用基于序贯重点采样粒子滤波和Cholesky分解的分布估计算法计算排序权重的算法,该算法采用的概率模型是多峰的并考虑了变量之间相关性。文中对判断矩阵排序权重计算及一致性检验、基于序贯重点采样粒子滤波和Cholesky分解的分布估计算法进行了介绍,描述了排序权重计算及一致性检验算法,最后给出实验数据及其分析。实验结果验证了算法的有效性,并具有很高的精度和稳定性。     

基于分散微粒群算法的二维模糊最大熵图像分割

该文研究了基于二维模糊信息熵的图像分割方法,针对二维模糊信息熵图像分割方法求取阈值时存在的计算复杂、时间长、实用性差等问题,提出了基于优化微粒群算法的二维最大熵图像分割方法。DPSO算法对图像的二维阈值空间进行全局搜索,并将搜索得到的二维熵最大值所对应的点灰度-区域灰度均值作为阈值进行图像分割。同时,为了避免该算法收敛到局部最优解的问题,在算法中引入了变异策略。通过实验显示了该算法在收敛性和计算效率上较QPSO在内其它优化算法具有更好的优越性。     

基于效用的Agent多动作选择承诺机制

研究以KARO为逻辑框架的多动作选择承诺,给出与其相关的效用函数计算方法。在引入模型状态迁移概念和相关函数、谓词后,对各种承诺建立和取消承诺的情况进行了形式化,详细给出了kripke型可能世界语义描述。丰富了KARO逻辑框架关于承诺的研究。使主体在合作时,可以充分考虑自己的情况,理性的作出选择,提高多主体间合作的协调性。     

基于级联全卷积神经网络的颈部淋巴结自动识别算法

针对现有算法自动识别颈部淋巴结效率不高、存在大量假阳性且整体假阳性去除效果不理想的问题，提出一种基于级联全卷积神经网络（FCN）的颈部淋巴结识别算法。首先，结合医生的先验知识采用级联FCN进行初步识别，即第一个FCN从头颈部计算机断层扫描图像（CT）中提取淋巴结医学分区；然后，第二个FCN从分区内提取候选样本并在三维层面合并这些样本以生成三维图像块；最后，将提出的特征块平均池化引入到三维分类网络中，对输入的不同尺度三维图像块进行二分类以去除假阳性。在颈部淋巴结数据集中，采用级联FCN识别颈部淋巴结的召回率可达97.23%；引入特征块平均池化的三维分类网络的分类准确率可达到98.7%。在去除假阳性之后的准确率可达93.26%。实验结果分析表明，所提算法能有效实现颈部淋巴结的自动识别并取得较高的召回率和准确率，优于目前相关文献报道的算法；且算法简单高效，易于扩展到其他三维医学图像的目标检测任务中。