基于混合粒子群优化算法的聚类分析

针对模糊C-均值聚类算法易陷入局部最优和算法收敛速度慢等问题,提出了一种新的基于混合粒子群优化的模糊C-均值聚类算法.新算法在基本粒子群优化的模糊C-均值聚类算法的基础上结合了遗传算法的交叉、变异算子及混沌优化算法,并引入逃逸算子.仿真结果表明,该算法有效地避免了通常聚类方法易出现的早熟现象,同时也具有较快的收敛速度和较高的准确度.     

基于混沌免疫进化算法的聚类算法分析

结合免疫进化算法和混沌优化算法各自在数据空间搜索的优势,本文提出了一种新的基于混沌免疫进化算法的模糊c_均值聚类算法.该算法实现了从全局到局部的两层领域搜索机制,且仿真结果表明,该算法有效地避免了通常聚类方法易出现的早熟现象,同时也具有较快的收敛速度和较高的准确度.     

应用轮廓线拟合提取蓝印花布图案基元

针对蓝印花布的数字化传承与创新问题,提出一种基于轮廓线拟合的蓝印花布图案基元的提取方法,作为蓝印花布设计创新的素材基础。通过对获取的蓝印花布数字图像进行预处理,包括灰度化、去噪和二值化,得到能够反映图案基元特征的二值图像;采用轮廓跟踪法获取图案基元的初始轮廓,并对轮廓进行拟合优化获取理想的基元轮廓;最后提取出蓝印花布的图案基元,并生成可独立读取的图案基元子图。结果表明,利用基于面积及轮廓线像素的评价指标,提取的图案基元准确,轮廓光滑、完整,相对于其他几种轮廓提取方法,可获得更有效的图案基元轮廓以及执行效率。     

软集合和软MV-代数

通过将Molodtsov在1999年提出的软集合理论应用于MV-代数理论,提出了软MV-代数和软MV-子代数的概念,并且得到了相关的一些性质。     

基于遗传算法的排课系统的设计与实现

排课问题是典型的组合优化和不确定性调度问题,并且是NP完全问题.将遗传算法应用于求解课表问题,并将一天分为十二节课,对排课问题中的课时分配及时间安排进行了灵活分配以适应大学上课的需要.在进行课表初始化、课程安排和冲突处理时采用了时间片重叠法,即在每次安排课程时,根据班级课程表,授课教师时间表以及教师意愿表找出其中符合课时需要的重叠有空的时间单元安排课程,如果没有找到符合条件的时间单元,则优先选择教师有空的时间单元安排课程.实验表明,这种方法有较好的效果.     

一种基于邻域搜索的分形图像编码算法

分形图像编码以其高压缩比,使得它具有广泛的应用前景,但是传统的分形编码方法压缩时间长,这是因为在为每一个值域块寻找合适的定义域块时需要在码本中进行大量的搜索匹配。研究发现,和值域块最匹配的定义域块大多数在值域块的附近。根据这一结论,提出了一种基于邻域的螺旋式搜索方法,并利用图像块间的信息熵差值,缩减了搜索范围。另外对误差图像进行编码,作为解码图像的补充,提高了解码图像质量。实验表明,该方法在不降低图像质量和信噪比的前提下大大加快了编码的速度。