基于Contourlet域HMT模型的多尺度图像分割

基于Contourlet系数分布统计特性,结合隐马尔可夫树（HMT）模型和贝叶斯准则提出一种新的图像分割算法.为了更有效保持Contourlet域不同尺度间的信息,提出一种新的加权邻域背景模型,给出了基于高斯混合模型的象素级分割算法和基于新的背景模型的多尺度融合算法.分别选择合成纹理图像、航拍图像和SAR图像进行实验,并与小波域HMTseg方法进行比较以说明算法的有效性.对合成纹理图像给出错分概率作为评价参数.实验结果表明本文方法不但在边缘信息和方向信息保持上有明显改进,而且错分概率明显降低,对真实图像得到了理想的分割效果.     

一种量化正交免疫克隆粒子群数值优化算法

为了解决粒子群算法收敛速度慢和早熟收敛等问题,根据生物免疫系统理论中的克隆选择学说,提出一种量化正交免疫克隆粒子群算法.给出正交子空间分割算法,并采用正交交叉策略来增强子代个体解分布的均匀性.为避免个体邻域内最优解的丢失,提出一种自学习算子,并证明该算法的全局收敛性.实验中对标准测试函数进行20～1 000维的测试,分别与5种算法进行比较,并给出算法参数对计算复杂度的影响.结果表明,本文方法有效克服早熟收敛,并且在保持种群多样性的同时提高收敛速度.     

基于族群进化计算的多项式回归电力负荷预测

提出了1种基于族群进化计算的多项式回归电力负荷预测方法,该方法利用族群进化理论来有效优化多项式回归分析模型中的参数,取得了较好的效果。同时,选择某地区用电量历史数据进行预测分析,并与季节指数模型预测的结果进行了对比,从数据对比分析结果看,该文提出的预测值与实际值的平均误差和相对误差均小于季节指数模型,证明了该方法的可行性和有效性。     

基于非下采样Contourlet变换的SAR图像增强

该文基于非下采样Contourlet变换(NSCT)和SAR图像的统计特性,提出一种SAR图像增强方法,给出一种基于非下采样塔型分解的斑点噪声方差估计算法和一种基于方向邻域模型的弱边缘增强算法。该文在不同方向子代进行斑点方差估计,利用局部方向统计信息对NSCT系数并进行强边缘、弱边缘和噪声分类并进行弱边缘的增强和噪声的抑制。实验结果表明,该方法在方向信息保留和斑点抑制上优于非下采样小波变换(NSWT)相应方法。     

基于Contourlet域HMT模型的图像融合

针对小波域隐马尔可夫树融合速度较慢、方向信息少的缺点,提出了一种图像融合新算法.首先将待融合图像进行Contourlet分解得到低频系数和高频方向系数,低频系数采用模极小值的规则融合,高频方向系数经过Contourlet域隐马尔可夫树训练后求得边缘概率密度函数,与原系数相乘得到新的方向系数,然后采用局部内积的规则对高频系数融合.对融合后的系数进行逆Contourlet变换,从而得到融合后的图像.由于Contourlet域隐马尔可夫树模型在细尺度方面能够跨越几个相邻的方向子带,方向子带间具有与尺度相似的统计模式,因此该算法不仅能提高建模精度,而且能降低运算的复杂度(减少了参数数目).仿真实验表明,相比Contourlet和小波域同类算法,这种算法能够得到更加清晰光滑的融合图像;标准差、平均梯度、平均交叉熵等统计指标均比小波域隐马尔可夫树有显著改善,训练速度提高了17倍左右,且能够快速融合采用小波域隐马尔可夫树算法比较困难的图像.     

采用正交免疫克隆粒子群算法求解SAT问题

根据Kennedy和Eberhart提出的二进制粒子群算法，基于抗体克隆选择理论提出一种求解合取范式可满足问题的粒子群算法——正交免疫克隆粒子群算法．该算法将合取范式可满足问题转换为求解目标函数最小值的优化问题，为提高收敛速度，根据子句的先验知识计算出个体的初始指派概率对种群进行初始化．为了避免算法早熟收敛，提高粒子群个体解分布的均匀性，将离散正交交叉算子用于免疫基因操作中，并给出适应于求解合取范式可满足问题的免疫粒子群进化算子．实验采用标准SATLIB库中变量个数从20～250的3700个不同规模的标准合取范式可满足问题对正交免疫克隆粒子群算法的性能作了全面的测试，并与标准粒子群算法和免疫克隆选择算法进行了比较．结果表明，正交免疫克隆粒子群算法的成功率在3个算法中最高，运行时间和评价次数最少．     

基于改进NSGA2算法的配电网项目组合优选方法研究

电力体制改革新形势以及电网发展的新阶段,要求电网企业加强电网的精准化投资。面对电网投资项目资金需求不断加大而资金总额有限的情况,需要对电网项目进行多目标组合优选以实现综合效益最大化。为此以配电网项目为研究对象,提出一种基于改进的第二代非支配排序遗传算法(non-dominated sorting genetic algorithm 2,NSGA2)的项目多目标组合优选方法。基于灰色预测方法计算总投资情况,从安全性、经济性、紧迫程度3个属性构建配电网项目综合评价体系,对项目进行综合评价;设定多个目标函数及约束条件,通过网格搜索改进NSGA2算法进行项目组合优选,使算法具有更强的全局搜索能力和收敛能力,实现满足多目标的项目组合优选;最后通过算例分析,验证上述多目标项目组合优选方法的有效性及可操作性,对提高配电网精准投资管理水平具有指导意义。     

基于免疫克隆选择算法的图像分割

图像分割是图像处理领域中不可缺少的一个分支。该文基于阈值分割方法，将免疫克隆选择优化算法应用到图像分割中，提出了一种新的图像分割算法。详细叙述了算法机理，并对算法复杂度进行了理论分析以及实验数据比较。在仿真实验中，将遗传算法和免疫克隆选择算法分别独立运行10次，对10次得到的阈值以及均值、方差进行了比较，并将函数评价次数作为算法复杂度的评价指标。该文算法不仅能够对图像进行准确的分割，而且在同样的种群规模下能够以较少的迭代代数和较低的函数评价次数得到最优阈值。仿真结果表明，该方法应用在图像分割中是可行的、有效的。     

油田配电网负荷特性研究与无功优化补偿实践

油田配电网的负荷多为感应电机类负荷,无功负荷大,功率因数低,无功功率对油田配电网运行的影响很大。根据抽油机有功功率近似正弦曲线变化而无功功率基本不变的特点,指出不能依据功率因数来投切补偿电容器,提出了油田配电网抽油机无功分散补偿、配电变压器低压侧固定分组补偿等系列补偿方案。选取1条典型配电网线路,采用优化补偿软件进行计算,按计算结果对油田配网馈线实施了补偿。建立了油田配电网无功监测试验系统,通过对无功补偿前后测量数据的比较,验证了补偿方法的正确性。     

正交免疫克隆粒子群多目标优化算法

该文基于抗体克隆选择学说理论,提出了一种求解多目标优化问题的粒子群算法--正交免疫克隆粒子群算法(Orthogonal Immune Clone Particle Swarm Optimization,OICPSO).根据多目标的特点,提出了适合粒子群算法的克隆算子,免疫基因算子,克隆选择算子.免疫基因操作中采用了离散正交交叉算子来获得目标空间解的均匀采样,得到理想的Pareto解集,并引入拥挤距离来减少获得Pareto解集的大小,同时获得具有良好均匀性和宽广性的Pareto最优解集.实验中,与NSGA-Ⅱ和MOPSO算法进行了比较,并对算法的性能指标进行了分析.结果表明,OICPSO不仅增加了种群解的多样性而且可以得到分布均匀的Pareto有效解集,对于多目标优化问题是有效地.