基于人工鱼群的医学DR图像自适应增强算法

提出了一种多尺度金字塔分解重建方法。基于人工鱼群算法和多尺度金字塔分解重建,设计了一种医学DR图像自适应增强算法,实现了图像增强的自适应性。针对分解后的高频部分和低频部分设计了相应的增强方案,增强过程中考虑到了人眼视觉系统的特性。通过仿真实验证明了该算法可以提高医学DR图像的分辨率和对比度,使图像细节更加的丰富和清晰。     

基于人工鱼群的淋巴恶性肿瘤细胞分割方法

研究淋巴恶性肿瘤细胞分割的问题,提高淋巴恶性肿瘤多细胞分割的准确率。针对淋巴恶性肿瘤细胞聚合度比较大,传统方式进行细胞分割时,很难根据病变细胞之间的灰度值差异分割聚合在一起的细胞。但是由于淋巴深度癌变的聚合细胞灰度值差异比较小,导致传统方式进行细胞分割的准确率比较低。为了避免上述问题,提出了一种人工鱼群算法的淋巴恶性肿瘤细胞分割方法,根据建立淋巴恶性肿瘤细胞轮廓模型,获取的淋巴恶性肿瘤细胞边界,利用人工鱼群边界聚类方法,对细胞进行分割处理。实验证明,提出的细胞分割方法能够提高淋巴恶性肿瘤细胞分割的准确率,取得了很好的效果。     

基于人工鱼群的交通诱导系统最优查询研究

与齐齐哈尔市公安交通警察支队交通控制中心合作开发,并以齐齐哈尔市路况为实际进行凋研,将改进的人工鱼群算法应用于交通路径诱导系统数据库优化查淘中,算法提高了最优路径查询的效率。对人工鱼群算法进行了改进,引入贝叶斯变异算子和十字交叉变异算子,避免了算法局部寻优能力差和收敛速度慢等弊端。仿真实验表明算法是正确有效性的。     

基于量子萤火虫和增益Beta的医学DR图像自适应增强

为了解决医学DR图像对比度低、边缘模糊、细节不清晰和缺乏自适应增强的问题,提出一种基于量子萤火虫和增益Beta的医学DR图像自适应增强方法.该方法针对传统Beta变换的不足,提出了增益Beta变换方法,提出了应用于增益Beta变换的二分类别判定方法和参数约束修正方法.为实现自适应的增强,将量子计算和萤火虫群算法结合提出一种量子萤火虫群算法,提出一种FHCE图像增强质量评价标准作为算法的适应度函数,该算法可快速精确求解应用于医学DR图像自适应增强的增益Beta变换的最优增强参数值.实验结果表明这种方法提高了医学DR图像的对比度,边缘和细节更加的清晰,能够自适应增强各类型医学DR图像.     

函数依赖判定可行域的人工鱼群属性约简

针对基于互信息可行域判定算法的时间复杂度高,操作复杂等缺点,提出了利用函数依赖判定可行域和计算核属性的方法,该方法使用SQL语句实现,实现简单,运算速度快。利用人工鱼群算法具有获取全局极值的良好能力和对初值不敏感等优点,设计出了基于函数依赖判定可行域的人工鱼群属性约简算法。理论分析和试验结果表明,该算法具有可行性,能求取良好的约简结果。     

基于T分布蜻蜓仿生计算的箱体焊接优化

针对箱体焊接优化问题,提出一种T分布蜻蜓仿生计算优化方法,给出了该优化方法的离散准则、同一准则、聚合准则、引食准则、敌斥准则及相关优化理论。针对焊接序列的最优化展开研究,采用热-机耦合非线性热弹塑性有限元计算方法进行数值化模拟,采用T分布蜻蜓仿生计算求解最优焊接序列。仿真实验表明,该方法是可行高效的,实现了箱体焊接的最小焊接应力形变,提高了箱体焊接质量。     

LVQ神经网络在乳腺肿瘤诊断中的应用

研究乳腺肿瘤诊断问题,过去可根据医学影像,专家判断。传统诊断方法采用专家经验对乳腺肿瘤进行诊断存在较强的主观性,识别正确率较低。为了提高乳腺肿瘤的识别正确率,提出一种学习向量量化(LVQ)神经网络的乳腺肿瘤诊断模型。利用LVQ神经网络模型结构简单、自学习、自组织、非线分类处理能力更强等优点,构造乳腺肿瘤与症状之间的非线性映射关系,从而实现乳腺肿瘤科学诊断。仿真结果表明,采用LVQ神经网络模型提高了乳腺肿瘤进行诊断识别正确率和科学性,为乳腺肿瘤诊断提供了先进的工具。     

基于柯西-高斯动态消减变异的果蝇优化算法研究

针对果蝇优化算法易陷入局部极值收敛速度减慢的不足,结合柯西变异和高斯变异的各自优点,提出了变异效能系数和柯西-高斯动态消减变异因子等概念,进而提出了一种柯西-高斯动态消减变异方法,将该方法应用于改进果蝇优化算法,提出了一种基于柯西-高斯动态消减变异的果蝇优化算法。该算法兼顾了全局探索和局部开发两个特性,丰富了种群的多样性,有效地消除了易陷入局部极值的弊端,提高了算法的收敛速度。仿真实验采用经典函数用例和实际工程用例进行验证,结果表明该算法的求解速度和精度更高,稳定性更好。     

交通路径诱导系统中最优路径选取研究与仿真

研究交通路径诱导系统优化问题。复杂路况高峰时多条道路车辆同时汇聚造成交通拥塞,但是拥塞信息的实时变化存在高度的非线性和突变性。传统的交通路径诱导系统,仅仅是针对最短距离进行路径选取,非线性和突变性拥堵信息不能在模型中得到反应,一旦拥堵发生,会降低交通路径诱导的效率。提出了一种基于自适应t分布变异人工鱼群算法的交通路径诱导系统。引入t分布变异算子将高斯变异和柯西变异的优点结合起来,提取交通路径拥塞参数,并将其反馈到控制端,使用AFSA方式进行迭代处理,将迭代次数作为t分布的自由度参数,从而提高了交通诱导的效率。实验证明,鱼群算法提高了交通路径诱导的性能,避免了交通拥塞的缺陷。     

基于聚类和探测精英引导的蜻蜓算法

针对蜻蜓算法（DA）收敛速度慢、收敛精度低、全局搜索能力差等不足,提出新的蜻蜓优化算法. 利用tent混沌初始化种群并对种群进行K-Means++聚类,根据聚类的结果分别对种群个体进行反向学习和高斯变异以增强种群的多样性,提高搜索效率. 引入非线性自适应因子加快收敛速度,使用探测精英引导策略增强算法跳出局部收敛的能力. 引入平方散列探测增加收敛精度. 将该优化算法应用于8个典型复杂函数优化问题,并与原蜻蜓算法,以及其他仿生计算算法对比,实验结果表明该改进算法具有良好的全局收敛性和寻优精度.