自适应特征加权的Gibbs随机场影像分割方法

针对现有分割算法很少同时兼顾不同特征分量区分能力的差异和相邻像素间的相关性的问题,提出了一种结合Gibbs随机场的特征加权遥感影像分割方法.该方法首先依据训练样本计算各特征分量的区分能力,确定不同地物类别相应的特征分量的权重;然后利用加权最小距离分类法对影像进行初始分割,并利用Gibbs随机场来描述像素的空间相关性;最后综合Gibbs随机场描述的标记场和加权最小距离分类法描述的特征场来获取影像的最终分割结果.实验结果表明,Gibbs随机场能够有效地描述空间相关性,根据区分能力确定的权重强化了区分能力强的特征分量.     

基于差异进化的克隆选择算法

针对免疫算法在全局优化过程中多样性不足的问题,将差异进化引入克隆变异操作中,提出了一个新的改进的克隆选择算法——基于差异进化的克隆选择算法(DECSA),算法将差异进化和克隆超变异相结合,促进了抗体与抗体之间的信息融合,使得子代抗体继承父代抗体的信息的同时,携带着不同父代个体信息,丰富了抗体种群的多样性,实现了在同一父代抗体周围的多个方向同时进行全局和局部搜索。对13个标准测试函数的测试结果及与已有的算法的比较表明,该算法表现出较好的局部搜索和全局搜索能力。     

种子检测器刺激-应答变异算法研究

为降低阴性选择算法(NSA)的时间复杂度,提出了一种应用种子个体连续位刺激变异的检测器生成策略:首先随机生成种子检测器集合,根据其与自体的亲和度选定变异个体和变异片段;其次在被选个体的特定基因片段发生刺激-应答变异(SRM),产生新的候选检测器个体;最后应用r位连续匹配准则筛选候选个体生成新的检测器.该策略的算法特点在于利用种子个体和自体集合的模式信息指导变异过程,降低候选检测器与自体的匹配成功率.实验表明,在保持高检测率的同时,种子检测器SRM算法比穷举算法、个体随机变异算法和检测器连续胞体超变异(CSH)算法的生成效率更高.     

智慧韧性城市建设框架体系及路径研究

在极端天气、突发事件频发的背景下，加强韧性城市和智慧城市融合建设，将全面提升城市抵抗力和恢复力，促进城市管理的现代化、数字化、规范化、可持续。智慧韧性城市指融合智慧城市建设中的新一代信息技术、调度系统，据此强化城市应对突发重大事件的全周期韧性能力。本文阐述了智慧韧性城市的内涵与发展价值，分析了开展智慧韧性城市建设面临的挑战；提出了智慧韧性城市建设的框架、生态、路径、评估指标，相对全面地阐明了领域发展要素及模式。研究建议，合理增加公共财政投入、提升基础设施建设水平，建立健全应急法律法规、完善社会治理体系，注重智能信息技术建设、追求科技赋能发展，发挥政府统筹作用、推进多元协作共治，以此驱动智慧韧性城市建设、支撑城市高质量发展。     

数字图像处理选修课教学改革研究

分析了数字图像处理课程的教学难点,结合选修课的特点,从激发学生兴趣、改进教学方法与手段、加强实践教学和改革考核评价方式等方面进行了深入细致地探讨。教学效果表明,这些措施有效提高了学生学习的兴趣和参与科研的积极性,加深了对理论知识的理解,提高了解决实际问题的能力,收到了较好的效果。     

P值逻辑函数的扩散性质

满足K次扩散准则的p值逻辑函数在密码设计中有重要应用。该文采用Znp上的置换定出了一类满足2n次扩散准则的p值逻辑函数,即Bent函数;定出了级联函数满足K次扩散准则的充要条件和n元2次p值逻辑函数满足m阶K次扩散准则的充要条件。     

解决动态多中心问题的自学习差异进化算法

为解决动态环境下的多中心优化问题,提出自学习差异进化算法。通过评估特定个体检测到环境变化,自学习算子将群体引至新的环境,并保持群体的拓扑结构不变,以继续当前的进化趋势。采用邻域搜索机制加快算法的收敛速度,引入随机个体迁入机制增加群体多样性。实验以周期动态函数为测试对象,比较自学习差异进化算法与部分智能优化算法的性能,结果表明,新算法有更快的收敛速度和更好的环境适应能力。     

应用于高维优化问题的免疫进化算法

针对免疫算法在伞局优化过程中多样性不足的问题,提出一种新型的免疫进化算法.随机克隆扩张和多受体随机编辑算了足该算法的主要特色,同时引入改进的超变异算了加强个体的学习能力;提出一种新的算法件能评价准则,以比较不同算法在全局优化中的表现.实验环节中,首先确定了克降扩张比:然后将免疫进化算法与快速克降算法和Opt-IMMAL...     

负选择算法中的检测器快速生成策略

提出层次匹配算法用以降低负选择算法的时间复杂度.首先从理论上证明层次匹配算法的有效性,其次依据r位连续匹配准则将自体集合分解为多个模式子集合以获得构成检测器的组件,最后通过二叉树连接组件得到检测器集合;层次匹配算法充分利用自体模式以提高搜索成功率、缩短生成时间;实验结果表明,在同样的实验环境下层次匹配算法比传统算法和位变异算法有更好的性能.     

进化策略用于阴性选择算法

提出一种基于(μ λ)进化策略的阴性选择算法;构造匹配信噪比方法综合运用海明规则和r位连续匹配规则,使检测器分布更均匀;同传统的阴性选择算法相比,进化机制使得检测器的搜索不再盲目.对于较大规模的自体集也可以快速准确生成成熟检测器.数值实验表明新算法产生成熟检测器的迭代次数、黑洞数量均大幅下降,同时检测率显著提高.