变步长自适应的改进人工鱼群算法

针对人工鱼群算法在函数优化中存在陷入局部最优、后期收敛速度慢及结果精度不高等问题,通过改进鱼群算法中觅食行为及自适应调整人工鱼步长,提出了一种变步长自适应的改进人工鱼群算法。证明了该算法的全局收敛性,从而增加了其理论基础。最后,10个标准函数测试结果表明,改进后的人工鱼群算法在跳出局部最优、收敛速度、精度和稳定性方面都优于原鱼群算法和萤火虫算法,在结果精度和稳定性方面优于文献[9,23,24]的方法。     

一种基于边缘检测的错误隐藏算法

视频压缩码流在信道传输时,由于受到信道稳定性的影响,容易发生数据包的损坏或者丢失。为了对抗信道差错,必须采取适当的技术措施。目前,错误隐藏技术已成为易发生差错信道下视频编码的重要组成部分。本文提出了一种新的基于边缘检测的空域错误隐藏方法。实验表明,在具有边缘的区域,该方法能够使图像恢复得较好,其PSNR比传
传统内插方法提高了大约4～5dB。     

基于双精英进化樽海鞘群算法优化ELM的焦炭价格预测

焦炭是焦化企业生产的重要工业原料之一,准确地预测其未来价格趋势对焦化企业制定排产计划具有重要意义。极限学习机(ELM)泛化能力强,计算速度快,适合作为焦炭价格预测的模型,但ELM的预测性能受模型关键参数影响较大,故需对其参数进行优化。基于此,文中提出了基于双精英进化樽海鞘群算法的ELM焦炭价格预测方法。首先,采用Logistic混沌映射、改进的收敛因子、自适应惯性权重和双精英进化机制来改进樽海鞘群算法,提出了双精英进化樽海鞘群算法(MDSSA),提高算法的搜索能力;其次,运用MDSSA优化ELM的连接权值与阈值,找到ELM的最优参数组合,构建MDSSA-ELM焦炭价格预测模型;最后,在8个基准测试函数上测试MDSSA的收敛性能,在实际焦炭价格数据集上对MDSSA-ELM模型的预测性能进行实验,实验结果表明,MDSSA-ELM相比其他方法预测能力更优,MDSSA相比其他群智能算法搜索能力更强,为焦化企业实现焦炭智慧排产提供了有效的预测工具。     

基于本地差分隐私的空间数据自适应划分算法

空间位置数据分布通常具有不均匀性,不同位置区域的密度差异较大,在本地差分隐私模型中无法直接获取用户真实的位置数据,使得空间位置划分方法受到限制以及数据发布存在查询精度低、通信代价大等问题。为在本地差分隐私模型下的大规模空间数据采集和发布过程中进行空间划分,提出一种空间数据分层自适应划分算法KDG-HT。通过收集部分用户的数据来初步获取区域的分布情况,采用KD-树的思想划分区域,并利用抽样技术对用户进行分组,根据分组用户统计结果所提供的先验知识来完成多层细粒度划分。在此基础上,结合差分隐私模型的并行组合特性分层扰动用户数据,从总体上实现发布数据的ε-差分隐私保护。实验结果表明,KDG-HT算法适用于具有不同数据分布情况的大规模空间数据集,查询精度及运行效率优于RAPPOR、UG、GT-R等算法,其中与GT-R算法相比,KDG-HT算法发布数据的查询精度最高提升3倍,运行效率提高17%。     

锰掺杂TiO_2的制备、表征及光催化性能研究

应用溶胶凝胶法,以氯化锰和钛酸丁酯为原料制备了前躯体,前躯体在500℃、焙烧3小时条件下制备了不同浓度掺杂锰的TiO2纳米粉体。采用XRD、SEM、EDS、UV-VIS等分析手段对样品的物相、形貌、成分和吸光性能进行了表征,并且以亚甲基蓝溶液为模拟污染物在阳光下进行了光催化实验。结果表明,样品主要为锐钛矿相二氧化钛及少量的金红石型二氧化钛;样品呈颗粒状,有一定程度的团聚;锰掺杂样品的吸收光谱红移至440nm;光催化实验表明锰掺杂可以改善TiO在可见光波段的光催化性能。     

基于CFX的柱面弧形油楔推力滑动轴承仿真分析

柱面弧形油楔推力滑动轴承是一种能够实现双向动载润滑的推力轴承。文中利用Workbench的CFX模块,对柱面弧形油楔推力滑动轴承在动压润滑条件下的油膜特性进行仿真分析。并研究了不同转速和不同黏度对油膜压力的影响,结果表明,转速越高,油膜黏度越大,柱面弧形油楔推力滑动轴承的动压承载能力就越高。     

一种基于AVS的错误隐藏方法

AVS标准是我国制定的拥有自主知识产权的视频压缩编码标准,对AVS标准的错误隐藏技术进行研究具有重要的意义。本文提出了一种用于AVS的错误隐藏方法,该方法对I帧和P帧采用不同的掩盖方法：基于边界的空域插值和时域的边界匹配算法,并对其纠错性能进行了实验。结果表明,重建图像的主客观质量均得到明显的改善。     

基于改进离散人工蜂群算法的同类机调度优化

针对一类最小化最大完工时间的同类机调度问题,考虑到机器的加工效率和产品的交付时间,引入同类机调度问题的数学模型,提出一种改进的离散型人工蜂群算法（IDABC）求解该问题。首先,引入种群初始化策略,得到均匀分布的种群,并获得待优参数的生成策略,加快种群的收敛;其次,借鉴差分进化算法的变异算子和模拟退火算法的思想,改进雇佣蜂和跟随蜂的局部搜索策略,并利用最优解的优质信息改进侦察蜂,增加种群多样性、防止算法陷入局部最优;最后,分析算法的性能和参数,并将改进的算法应用于同类机调度问题,在15个算例上的实验结果表明,与混合离散人工蜂群（HDABC）算法相比,IDABC的求解精度和稳定性分别平均提高了4.1%和26.9%,且具有更好的收敛性,表明在实际场景中IDABC可以有效求解同类机调度问题。     

基于改进二元萤火虫群优化算法和邻域粗糙集的属性约简方法

针对数据降维和去冗问题,提出基于改进的二元萤火虫群优化算法和邻域粗糙集的属性约简方法.首先,运用反向学习协同初始化种群,并基于Sigmoid变化函数的映射进行二进制编码,引入Lévy飞行位置更新策略,提出改进二元萤火虫群优化算法.再以邻域粗糙集作为评价准则,以改进算法作为搜索策略,进行属性约简.最后,通过在标准UCI数据集上的实验验证属性约简方法的有效性,并验证文中算法具有较优的收敛速度和精度.