考虑合格率的MTO多阶段生产系统投产量优化

订单式生产(Make To Order,MTO)人工作业系统(Manual Operation System,MOS)是我国中小制造企业广泛采用的生产系统模式。在MTO/MOS中,产品的质量水平与工人技能水平、工作态度、身心状态及公司激励、惩罚机制等密切相关。实际中,产品的生产需要经过部分人工工序。受人的技能等因素的影响,生产过程可能会产生一定比例的不合格半成品。考虑当各阶段的合格率分别为常数、服从离散随机分布、服从连续随机分布时,对其计划投产量及生产成本进行建模、求解及优化决策。理论及算例分析表明,当不同分布下同阶段合格率均值相等时,各阶段计划投产量及生产成本在连续随机分布下是最大的,而当合格率为常数时是最小的。对于离散随机分布,当其方差越大时,对应的计划投产量及生产成本也越高。     

K-means算法的初始聚类中心的优化

传统的K-means算法对初始聚类中心敏感,聚类结果随不同的初始输入而波动,针对K-means算法存在的问题,提出了基于密度的改进的K-means算法,该算法采取聚类对象分布密度方法来确定初始聚类中心,选择相互距离最远的K个处于高密度区域的点作为初始聚类中心,理论分析与实验结果表明,改进的算法能取得更好的聚类结果。     

基于遗传算法的K均值聚类分析

传统K均值算法对初始聚类中心敏感,聚类结果随不同的初始输入而波动,容易陷入局部最优值。针对上述问题,该文提出一种基于遗传算法的K均值聚类算法,将K均值算法的局部寻优能力与遗传算法的全局寻优能力相结合,在自适应交叉概率和变异概率的遗传算法中引入K均值操作,以克服传统K均值算法的局部性和对初始中心的敏感性,实验证明,该算法有较好的全局收敛性,聚类效果更好。     

一种基于MPEG压缩域的视频对象提取方法

为了加快视频对象的提取速度,提出了一种直接从MPEG压缩视频流中准确地提取视频对象的方法。首先从码流中提取运动矢量及DC系数,通过运动补偿建立DC Image;同时对运动矢量在时域上进行平均,在空域上进行带权矢量中值滤波处理。然后再定义了与运动矢量和DC系数都紧密相关的、以8×8块为基本单位的向量;之后对向量进行基于密度和层次的聚类算法得到分层的视频对象树,再通过计算最佳对象数目并提取视频对象。