几何约束求解的新方法--基于共轭梯度法的混合遗传算法

将几何约束问题转化为数值优化问题.综合遗传算法的全局搜索能力和共轭梯度法的局部搜索能力,提出了一种混合算法.将此混合算法应用于几何约束求解中.实验表明该算法具有全局最优性和收敛性.     

遗传蚂蚁算法在几何约束求解中的应用

约束问题可以转化为优化问题.引入GAAA(遗传蚂蚁算法)解决几何约束问题.为了充分利用遗传算法的快速性,随机性和全局收敛性,在算法的前期采用遗传算法.它的结果是产生信息素的初始分布.算法的后期采用蚂蚁算法.因为有初始信息素的分布,具有并行、有反馈性和高效的求解效率.由于在遗传算法中使用随机的种群,这样不仅能够提高蚂蚁算法的速度,而且在求精解的时候能够避免陷入局部最优解.算法具有良好的优化性能和时间性能.     

杂交粒子群算法在工程几何约束求解中的应用

工程几何约束问题等价于求解一系列非线性方程组.粒子群算法是一种进化计算方法.它通过创建更好的种群搜索解空间.新的种群基于新的个体而产生.借鉴遗传算法的思想,提出了杂交PSO算法的概念.粒子群中的粒子被赋予一个杂交概率.在每次迭代中,依据杂交概率选取指定数量的粒子放入一个池中.池中的粒子随机的两两杂交,产生同样数目的孩子粒子,并用孩子粒子代替父母粒子,以保持种群的粒子数目不变.实验表明该方法是有效的.     

基于图像显著性识别的自动抠图系统

RC算法引入区域级别的对比度,对颜色模型进行重新量化,能大幅提高处理速度、突出显著目标,然而其基于图的分割算法易出现分割区域不能较好地贴合物体边缘的问题。引入优化的SLIC算法代替基于图的分割算法,对RC算法进行改进,并实现一个基于图像显著性识别的自动抠图系统,克服传统抠图系统必须人工标记的缺点。实验结果表明,相比IT、MZ、GB、RC等经典算法,改进的RC算法抠取的显著目标更精确,其查准率、查全率、F值分别为0.82、0.85和0.83,系统能自动抠取显著目标并提供图片合成应用。     

基于双子代差分演化和自适应分块机制的多聚焦图像融合算法

基于分块的多聚焦图像融合算法是多聚焦图像融合领域中的一个重要算法。基于差分演化的多聚焦图像融合算法将图像分块大小作为差分演化算法的种群,通过多次演化,最后获得使融合图像效果最好的图像分块。为克服标准差分演化算法由于丢失父代种群的部分信息导致收敛速度变慢、全局搜索范围较小,以及当对应图像块的清晰度相等时该算法的处理方式会改变源图像的像素值的缺点,在原算法的基础上,引入双子代机制和自适应分块机制,提出一种基于双子代差分演化和自适应分块机制的多聚焦图像融合算法。在演化过程中生成两个子代种群,最大程度上保留父代种群的信息,扩大全局搜索范围,提高算法的收敛性能;利用自适应分块机制,当出现图像块清晰度相等的情况时,将图像块分解成更小的图像块,然后再进行清晰度的比较,使改进算法获得的融合图像比原算法获得的效果更好,而且不会改变源图像的像素值。实验结果表明,基于双子代差分演化和自适应分块机制的多聚焦图像融合算法可以获得比原算法效果更好的融合图像,而且收敛性能更好。     

交互更新模式的量子遗传算法的几何约束求解

目的针对传统量子遗传算法无法充分利用种群中未成熟个体信息的不足,提出了基于交互更新模式的量子遗传算法(IUMQGA)并应用于几何约束求解中。方法几何约束问题的约束方程组可转化为优化模型,因此约束求解问题可以转化为优化问题。采用将遗传算法与量子理论相结合的量子遗传算法,使用双串量子染色体结构,使用交互更新策略将遗传算法中的交叉操作利用量子门变换来实现,根据不同情况采用不同的交互更新策略。这里的交互,指的是两个个体进行信息交换的过程,该过程用以产生新的个体。这不仅增加了个体间信息的交换而且充分利用了种群中未成熟个体的信息,提高了算法的收敛速度。结果通过非线性方程实例和几何约束实例测试并与其他方法比较表明,基于交互更新模式的量子遗传算法求解几何约束问题具有更好的求解精度和求解速率。双圆外公切线问题实例中,IUMQGA算法比QGA算法稳定;单圆填充问题和双圆外公切线问题实例中,通过实验求得各变量的最优值与其相应的精确值的误差在1E-2以下。结论采用交互更新模式的量子遗传算法可以很好地求解几何约束问题。     

基于离散元胞蚂蚁算法的几何约束求解技术研究

 一个约束描述了一个应该被满足的关系,一旦用户已经定义了一系列的关系,那么在修改参数之后,系统会自动选择合适的状态来满足约束.在将几何约束问题的约束方程组转化为优化模型的时候,引入一种利用元胞演化规律和蚂蚁寻优特点的离散元胞蚂蚁算法.离散元胞蚂蚁算法是一种新型的仿生算法,它利用元胞在离散元胞空间的演化规律和蚂蚁寻优的特点,为解决实际问题提供了一种优化方法.实验表明,该方法可以比较有效的处理几何约束问题.     

基于多级特征级联的遥感图像实时语义分割

针对遥感图像语义分割中存在的分割耗时长、分割小目标不准确的问题,提出基于多级特征级联的高分辨率遥感图像快速语义分割模型(multi-level feature cascade network, MFCNet)。该模型主要由特征编码、特征融合以及目标细化3部分组成。特征编码对输入的不同分辨率图像用不同量级主干网络进行特征提取,由于低分辨率图像分辨率较低,使用重量级的主干网络在增加较少参数的情况下可以获取丰富的语义信息,而中、高分辨图像分辨率较大,使用轻量级主干网络既减少参数量又可获取全局信息。中等和低分辨率的编码使用权重和计算共享的方式,进一步减少模型参数,降低计算复杂性。特征融合对来自不同分支的特征进行融合,以获取不同尺度的信息。目标细化采用残差校正对融合后的特征和编码部分的特征进行融合校正,以恢复图像的空间细节信息,使分割更加准确。该模型可以端到端的方式有效地工作,试验验证所提模型在遥感图像语义分割中的有效性,在模型复杂性和精度上取得较好的平衡。     

工学结合模式下《财务会计》课程的教学设计

本文试图以教育部颁布的《关于全面提高高等职业教育教学质量的若干意见》明确提出高职教育要以“校企合作”、“工学结合”的人才培养模式为切入点作为理论依据,从实际工作的角度,探讨如何将工作岗位合理地引入到《财务会计》课程的教学,以达到工学结合的目的。     

基于模糊支持向量机的医学图像分类技术

对每一个训练点都定义点模糊度,利用其隶属函数所包含的信息量来确定模糊度,在此基础上对传统的支持向量机算法进行了改进,提出了基于模糊支持向量机的医学图像分类技术。采用不同噪声图像进行的试验结果表明,模糊支持向量机方法能够较好地对MRI图像中脑组织进行分类,并且具有较高的精度。使用该方法还可以减少计算量,提高运算速度。