基于粗糙集的过程控制规则挖掘算法及应用

在现代工业生产过程中，如何从实际生产过程中提取出有用的规则，用于调整控制生产是过程控制中一个难题。文章提出了一种基于粗糙集的过程控制规则挖掘算法，可以较大的降低计算复杂度，并将算法用于实际烟草制丝生产线的关联规则提取．得到了可用于实际生产过程控制的规则。     

基于颜色的自组织聚类分析图象检索算法

本文提出了一种改进的迭代自组织聚类分析方法（ISODATA）来实现基于颜色的图象检索。算法选择符合的人的视觉的HSV模型，充分发挥了色度的描述作用。同时，选择HSV空间上的颜色直方图作为颜色特征，该特征描述了图像颜色的统计分布特征，且具有平移，尺度和旋转不变性，算法改进了ISODATA的初始聚类中心的选取方法，其初始聚类中心的选择是面向数据分布的，具有较好的通用性，因此适合各种分布特性的数据对象，实验结果表明，算法的检索精度明显好于传统的基于RGB直方图的检索结果。     

基于遗传算法的时间序列中频繁结构模式发现研究

本文提出了一个基于小生境遗传算法和模式缓存的时间序列中频繁结构模式的发现算法，该算法具有轻便、灵活、可扩放性好的特点，可根据实际情况合理配置计算时间和所占用的内存资源，并可实现挖掘结果的实时动态更新输出，在实际时间序列数据上的实验证明了该算法的有效性。     

实值离散Gabor变换块时间递归算法的并行格型结构实现方法

Gabor变换在很多领域被认为是非常有用的方法,如语音与图像处理,雷达、声纳、振动信号的处理与理解等,然而实时应用却因其很高的计算复杂性而受到限制.为了减小计算复杂性,我们曾提出了实值离散Gabor变换法.本文首先简单回顾了作者曾提出的实值离散Gabor变换及其与复值离散Gabor变换的关系,然后为了有效地和快速地计算实值离散Gabor变换,提出了在临界抽样条件下和在过抽样条件下,一维实值离散Gabor变换系数求解的块时间递归算法以及由变换系数重建原信号的块时间递归算法,研究了两算法使用并行格型结构的实现方法,并讨论和比较了算法的计算复杂性和优越性.     

神经网络与光计算

介绍了近年来正在兴起的光神经计算的研究动态。着重讨论了神经网络与光技术、光神经计算、光联想学习和联想记忆系统,光神经器件及目前发展光神经计算的有关问题等。     

AN ALGORITHM FOR VLSI CHANNEL ROUTING USING NEURAL NETWORK

The algorithm for VLSI channel routing using Hopfield neural model is discussed inthis paper.The basic methods of mapping VLSI channel routing problem to Hopfield neural net-work,constructing energy function,setting initial neural status,and selecting various parametersare proposed.Finally,some experimental results are given.     

大网络分解的一个新算法

本文提出一个新的基于伴随图的求BBD分解的启发式算法。它在处理“大度数节点”时比目前已有的算法有明显的优点,能更好地完成划分子网络的工作。文中还介绍了根据这个算法所开发的通用电路分析程序和计算实例,给出了分解计算实例。     

开关级宏模型及开关级逻辑模拟器

本文提出了一种新的模拟算法——节点标志法,该算法具有节省内存和保持模拟可靠的优点。针对门级模型所存在的局限性,提出了适用于MOS数字器件进行模拟的开关级宏模型,讨论了该模型的建立方法及网络求解算法。文中介绍了已研制成功的开关级逻辑模拟器MSLSIM。通过对一些实例的模拟,得到了较为满意的结果。     

多宇宙并行量子遗传算法

提出了一种多宇宙并行量子遗传算法,并从理论上证明了算法的全局收敛性.算法中将所有的个体按照一定的拓扑结构分成一个个独立的子群体,称为宇宙;采用多状态基因量子比特编码方式来表达宇宙中的个体;采用通用的量子旋转门策略和动态调整旋转角机制对个体进行演化;采用量子非门实现量子变异以阻止早熟收敛;各宇宙独立演化,宇宙之间采用最佳移民和量子交叉操作来交换信息,提高算法的执行效率.将该算法与独立分量分析算法相结合,提出一种盲源分离新方法.仿真结果表明:新方法比采用常规遗传算法和量子遗传算法的盲源分离方法具有明显的高效性.     

实时虹膜识别系统中的图像预评估检测

在采集虹膜图像样本时,会由于各种原因而出现不同类型的坏样本。由于现有的图像质量评估方法需要在虹膜定位或者粗定位之后,根据虹膜的清晰度或分辨率来进行判定,因此只能检测出特定类型的坏样本。为了能对各种类型坏样本进行检测,在分析坏样本产生原因和类型的基础上,提出了一种实时预评估网络的检测方法,即在定位或者粗定位处理之前,预先对缓存中的图像进行评估,再根据预评估检测的结果来决定是重新采集,还是进入后续的处理。其目的是,①节省现有的图像评估在定位处理上花费的时间和降低采集失败率,以提高识别系统的友好性;②减少因为坏样本的输入而导致的定位出错,以避免引起误识别的可能;③提高识别率的同时降低识别系统的注册失败率。实验结果表明,这种方法不仅可以检测出多种类型的坏样本,且检测错误率低,同时具有较高的评估速度,可以满足实时虹膜识别系统的要求。