基于子块特征的快速分形图像压缩算法

针对分形图像压缩编码时间过长的缺点,提出一种改进算法,利用子块的相似特征,将基本分形图像压缩的全搜索过程,转化为相对差意义下的最近邻搜索,在搜索过程中只搜索与值域块相对差相近的码本块,减少了搜索范围。实验结果表明,该方法与基本分形图像压缩相比,在保证解码图像质量的同时,有效地加快了编码速度。     

使用非均匀量化的Hough空间进行直线段检测

分析图像中最近邻直线间距离和夹角的非均匀性,得到这两个参数与线段方向和长度的相关关系,并由此提出了非均匀量化Hough空间的直线检测算法NUHT (Nonuniform Hough Transform).实验结果表明,NUHT在不降低运算效率的情况下,有2倍于标准Hough变换SHT (Standard Hough Transform)的直线段检测能力,同时误报率低于SHT的1/2.     

基于改进免疫遗传算法的聚类分析研究与应用

本文分析了聚类的思想,将免疫原理引入到遗传算法并应用于聚类分析过程中,提出了改进的免疫遗传算法（MIGA）。该算法借鉴了免疫算法中有关浓度的定义,并使用了GA算法中交叉和变异的思想。通过实验显示该方;醛法优于基本的遗传算法。     

多Agent系统的构筑方法

分析了现实世界中信息处理系统的活动,根据信息处理过程中信息共享、资源共享及协同工作的特点,将信息处理系统的开发映射为多Ａｇｅｎｔ的系统的构筑过程。Ａｇｅｎｔ由主板加个软构件构成,构筑Ａｇｅｎｔ即根据其职能、所处理的数据及其它Ａｇｅｎｔ的关系,选择合适的主板及软构件,使其通过主板的控制机制协调运行。依此方法开发的信息处理系统有利于分布式环境下的软件复用。     

一种Web信息的启动式检索方法

Internet是一个开放的全球分布式网络，资源分布在世界上不同的地方，并且网上资源没有统一的管理和结构，导致了信息搜索的困难，同时，Interent是一个有巨大价值的信息源，因此，研究一种快速，高效的Web信息检索方法是很有实用意义的，本文提出了一种用相关度及用户兴趣作为评价函数在Internet上进行启发式搜索及在此基础上利用机器学习有效的实现搜索知识重用的方法。     

基于免疫遗传算法的建筑构件创新设计

分析建筑构件的特点,使用免疫遗传算法对建筑构件的设计进行约束和控制。对原有的遗传算法做了改进,在适应度函数构建方面增加了对称度、均匀度和平滑度的度量,在选择算子构造方面引入了免疫算法抗体的相似度。实验结果表明,该算法能够增强建筑构件设计的创新性。     

基于改进免疫遗传算法的聚类分析研究与应佑

本文分析了聚类的思想,将免疫原理引入到遗传算法并应用于聚类分析过程中,提出了改进的免疫遗传算法(MIGA).该算法借鉴了免疫算法中有关浓度的定义,并使用了GA算法中交叉和变异的思想.通过实验显示该方法优于基本的遗传算法.     

基于最具影响粒子群优化的BP神经网络训练

系统地介绍了粒子群优化算法,将粒子群优化算法用于BP神经网络的学习训练,提出了一种改进的粒子群算法——最具影响粒子PSO算法BIPSO,并利用复合适应度即均方误差和误差均匀度之和作为BIPSO训练神经网络的指标,并对它与其他的神经网络训练算法诸如BP算法、GA算法、PSO算法进行了比较。实验结果表明:BIPSO性能优于其他算法,更容易找到全局最优解,具有更好的收敛性。     

基于aiNet的数据模糊聚类算法

本文基于人工免疫系统中经典的网络模型--aiNet模型,提出了一种数据的模糊聚类算法--aiFCM,给出了算法的流程,并通过实验证明了算法的有效性。实验表明,通过人工免疫网络与传统统计分析工具的结合,能够有效地从数据集合中提取有用的聚类。     

一种基于粒子群优化的FCM聚类方法

针对模糊C-均值(FCM)聚类算法易陷入局部极小值和对初始值敏感的缺点,本文提出了一种基于粒子群优化的模糊聚类算法.该算法利用粒子群强大的全局寻优能力,克服了模糊C-均值聚类算法的不足.实验结果表明,该算法具有很好的全局收敛性和较快的收敛速度.