一种改进选择算子的遗传算法在泊松曲线沉降预测模型中的应用

选择算子是遗传算法的重要算子之一,它对于种群的多样性和算法的收敛性具有重要的影响。本文对轮盘赌选择算子进行改进,将适应值分组应用于种群个体的选择中,提出适应度分组轮盘赌,并将该方法用于泊松曲线沉降预测模型的优化。实验结果表明,该算法为泊松曲线沉降预测模型的参数估计提供一种有效的方法。     

自适应域多群体遗传算法求解发酵动力学模型参数

发酵动力学模型参数估计是基于最小二乘的参数估计问题,是根据满足最小二乘的标准来解决模型的最佳参数匹配,求解该问题可采用遗传算法,但简单遗传算法容易陷入局部最优。本文提出一种自适应域多群体遗传算法,它通过自调整参数域,避免陷入局部最优,同时还提高搜索到的解是全局最优解的可靠性,适用于很多领域的应用优化问题。     

信息熵和信息瓶颈算法在图像聚类中的应用

提出基于信息熵特征选择和信息瓶颈算法的图像聚类算法,首先提取图像的Gabor小波纹理特征和灰度共生矩阵纹理特征,然后采用信息熵特征选择方法进行特征降维;图像聚类方法很多,其中较为典型的k-means聚类算法,但它过分依赖距离函数和聚类中心的选择,采用信息瓶颈算法对图像进行聚类,信息瓶颈算法不需要定义距离函数,它考虑了样本与特征的关系,不仅压缩了样本的信息,同时又考虑保留特征信息。实验结果表明,提出的方法具有良好的聚类效果。     

Linux路由功能与共享上网的实现

本文论述了路由器在网络中的重要作用，描述了路由器实现的原理，并探讨了在Linux平台下如何实现路由器的过程。     

多媒体课室智能电控系统设计

多媒体教室的推广和应用,使得学校的教学环境得到较大的改善,也带来了新的问题和挑战。为了有效减少人为因素引起的问题,杜绝日常用电浪费现象,本文以多媒体课室的设备用电管理为切入点,针对课室空调的使用管理,设计并实施智能化的电控管理系统,有效地解决课室管理中出现的问题。     

多群体遗传算法动态调整区间的参数优化方法

针对参数初始区间不能准确定义的参数优化问题,提出一种多群体遗传算法动态调整区间的参数优化方法。该方法采用多群体遗传算法,设计差分变异和均匀变异相结合的变异算子,进行区间外探索和区间内开发,并设计参数区间动态调整的策略,从而实现降低对参数初始取值区间准确性的要求,同时大大提高了算法的求解精度和求解速度。利用标准函数集验证了该算法的正确及有效性。     

车牌识别系统的设计与实现

汽车牌照自动识别系统是制约道路交通智能化的重要因素,包括车牌定位、字符分割和字符识别三个主要部分。本文首先确定车辆牌照在原始图像中的水平位置和垂直位置,从而定位车辆牌照,然后采用局部投影进行字符分割。在字符识别部分,提出了在无特征提取情况下基于支持向量机的车牌字符识别方法。实验结果表明,本文提出的方法具有良好的识别性能。     

基于数字化校园的多媒体教室综合管理系统

数字化校园的建设和多媒体教室应用,使得学校的教学环境得到较大的改善,并为改变多媒体课室原有管理模式提供新思路和可行性。在现有多媒体课室管理系统的基础上,提出基于数字化校园的新型综合管理系统,以期能解决当前课室管理中出现的问题,实现更有效的教学资源利用。     

基于自适应并行遗传算法的泊松曲线沉降预测模型

针对简单遗传算法采用固定的交叉概率和变异概率不能总是满足当前种群的需要,影响算法的性能及效率,采用自适应的交叉概率和变异概率,且将并行技术与遗传算法相结合,提出自适应并行遗传算法,用于泊松曲线沉降预测模型的优化。实验结果表明,该算法为泊松曲线沉降预测模型的参数估计提供了一种有效的方法。     

自主迁移的并行遗传算法用于马斯京根模型参数估计

遗传算法是一种随机性的全局优化算法,但简单遗传算法易陷入局部最优。将并行技术与遗传算法相结合,且针对影响并行遗传算法性能的迁移时机进行研究,提出自主迁移的并行遗传算法用于马斯京根模型参数估计。实验结果表明,该算法为估计马斯京根模型参数提供了一种有效的方法。