基于粒子群算法的测井岩心深度自动归位研究

为解决传统岩心深度手动归位不准确、主观性强等缺点,提出了一种利用粒子群算法实现岩石物理实验数据深度自动归位的方法。基于同一深度的测井参数与岩心的物理试验数据具有相关性这一事实,以测井曲线深度为基准,寻找岩心深度全局位移最小、数值变化趋势对应性最好的优化算法。实验表明：用粒子群算法可以快速有效地实现以测井曲线深度为标准的岩心深度自动归位。     

基于粒子群优化的图像自适应增强方法

将免疫粒子群优化算法和非完全Beta函数结合,提出了一种自适应图像对比度增强方法.该免疫粒子群优化算法结合了粒子群优化算法具有的全局寻优能力和免疫系统的免疫信息处理机制,改善了粒子群优化算法摆脱局部极值点的能力.利用免疫粒子群优化算法自动搜索最佳的灰度变换参数,从而获得一条最佳的灰度变换曲线,实现对图像进行全局增强处理.实验结果表明,该算法不仅能有效地提高图像整体对比度和视觉效果,而且适合图像的自动化处理.     

混沌粒子群算法自动拟合理论变差函数

理论变差函数的参数拟合是地质统计学特有的基本内容之一。针对现有的拟合方法的不足之处,为了快速实现理论变差函数参数的自动拟合,充分利用混沌粒子群优化算法在求解非线性优化问题时的快速收敛性,混沌运动的遍历性和全局寻优的特点提出了实验变差函数的混沌粒子群自动拟合算法。选用一阶球状模型,并将其转化为极小值问题,利用混沌粒子群优化算法找到满意的适应值。实验结果表明,该方法寻优能力强,精度高,能有效实现参数的自动拟合。     

基于粒子群优化算法的软件测试数据生成研究

遗传算法在软件测试数据自动生成方面应用广泛,但是其自身也存在局限性,如参数难于设置、算法复杂等,而粒子群优化算法执行容易、参数少,能很快地找到最优解。论文提出一种基于粒子群优化算法的软件测试数据自动生成方法,并应用于等边三角形判别程序。实验表明,粒子群优化算法能比遗传算法更高效的生成测试数据。     

基于改进粒子群优化算法的IIR数字滤波器设计

针对粒子群优化(PSO)算法存在早熟收敛问题,提出了一种改进算法——带有柯西扰动的重分布粒子群优化(RPSO)算法,并应用于IIR数字滤波器的优化设计。RPSO在检测到粒子群早熟收敛时,自动触发粒子重分布机制,帮助粒子逃离局部收敛区域,同时在迭代过程中对种群的全局最优位置施加柯西扰动以保持种群的多样性。仿真实验结果表明,在对IIR数字滤波器设计时,RPSO算法的性能优于粒子群、量子粒子群以及基于混沌变异的粒子群优化等算法。     

改进的SAMPSO的软件测试数据自动生成

针对软件测试数据的自动生成提出了一种简化的自适应变异的粒子群算法（SAMPSO）。该算法在运行过程中根据群体适应度方差以及当前最优解的大小来确定当前最佳粒子的变异概率,变异操作增强了粒子群优化算法前期全局搜索能力,去掉了粒子群优化（PSO）算法中进化方程的粒子速度项,仅由粒子位置控制进化过程,避免了由粒子速度项引起的粒子发散而导致后期收敛变慢和精度低问题。实验结果表明该算法在测试数据的自动生成上优于基本的粒子群算法,提高了效率。     

基于岛屿群体模型的并行粒子群优化算法

为改善粒子群优化算法对大规模多变量求解的性能,提出了基于岛屿群体模型的并行粒子群优化算法．对粒子群优化算法机理和本质并行性进行分析,设计和实现了一种并行粒子群优化算法．实验结果表明,基于岛屿群体模型的并行粒子群优化算法不仅提高了求解效率,而且改善了早收敛现象,算法的性能比经典粒子群优化算法有了很大提高．     

基于模拟退火的粒子群优化算法

粒子群优化算法是一类简单有效的随机全局优化技术。该文把模拟退火思想引入到具有杂交和高斯变异的粒子群优化算法中,给出了一种基于模拟退火的粒子群优化算法。该算法基本保持了粒子群优化算法简单容易实现的特点,但改善了粒子群优化算法摆脱局部极值点的能力,提高了算法的收敛速度和精度。四个基准测试函数的仿真对比结果表明,该算法不仅增强了全局收敛性,而且收敛速度和精度均优于粒子群优化算法。     

基于改进粒子群优化算法的PID控制器参数整定

针对标准粒子群优化算法优化PID控制器参数存在的早熟以及陷入局部最优等问题,引入粒子二阶振荡环节、反向学习、自适应惯性权重,并结合设计的惯性权重动态调整策略、粒子越界随机反射墙,提出一种新型分阶段迭代的改进粒子群优化算法。在6个标准测试函数上进行测试,其性能相比于一些已有的改进粒子群优化算法更加优秀。将这些算法用于自动电压调节器系统的PID控制器参数整定,仿真结果表明,所提出的改进粒子群优化算法整定的PID控制器的控制效果更好。     

基于多种群量子粒子群优化的属性约简

现代工业发展要求迅速、可靠地实现故障诊断。针对粒子群约简算法易陷入局部最优等问题,提出了一种多种群量子粒子群优化算法（MIQPSO）。该算法对量子粒子群算法进行分群,并通过接种疫苗,指导粒子朝更优化方向进化,提高了量子粒子群的收敛速度和寻优能力。利用UCI相关数据集,通过对Hu算法、粒子群算法、量子粒子群算法、多种群量子粒子群算法的粗糙集属性约简验证,结果表明,基于多种群量子粒子群优化的约简算法具有良好的约简效果。     

ARM7智能公交车载系统的设计与实现

设计一种智能公交车载系统,并给出了系统的软件和硬件设计方案,该系统以LPC2103为控制核心,通过GPS对车辆的状态信息进行实时采集及分析,采用SD卡作为存储介质,实现公交车的自动定位、语音自动报站、自动记录行驶信息和故障报警等功能;利用ZigBee无线通信模块组成一个智能监控网络实现实时监控与管理.最后,针对公交车载系统接入站牌系统存在高失败率的问题,提出改进的措施和方法.     

智能型金属含量测量系统设计

在金属冶炼过程中,废液中金属元素的含量的多少是指导生产的重要依据,本设计是以流动注射分光光度法为基础的测量系统。本系统以单片机为核心实现的数据采集系统,该系统实现了测量的智能化,自动化,使整个测量以及分析的周期大大的缩短,并将测量范围扩大到0.05g/L-0.15g/L,系统稳定性强,成本低,可以满足相似的工业现场的需求,具有较高的推广价值。     

圆形植物识别定位的HSV模型研究

圆形植物的识别定位是植物自动修剪设备的核心,针对圆形植物图像,采用传统图像分割方法因存在噪声难以完成有效分割,提出基于HSV模型的图像分割方法。该方法利用色调和饱和度分量对圆形植物图像进行图像分割处理,对分割图像进行形态学处理得到理想的圆形植物目标区域,并进行图像标定得出圆形植物的中心点坐标和半径尺寸。使用该方法可以有效地对圆形植物进行识别定位。     

基于深度学习的超声图像左心耳自动分割方法

从超声图像中分割出左心耳（LAA）是得出临床诊断指标的重要步骤,而准确自动分割的首要步骤和难点就是实现目标的自动定位。针对这一问题,提出了一种结合基于深度学习框架的自动定位和基于模型的分割算法的方法来实现超声图像中LAA的自动分割。首先,训练YOLO模型作为LAA自动定位的网络架构;其次,通过验证集确定最优的权重文件,并预测出LAA的最小包围盒;最后,在正确定位的基础上,将YOLO预测的最小包围盒放大1.5倍作为初始轮廓,利用C-V模型完成LAA的自动分割。分割结果用5项指标加以评价：正确性、敏感性、特异性、阴性、阳性。实验结果表明,所提方法能够实现不同分辨率条件和不同显示模式下LAA的自动定位,小样本数据在1000次迭代时已经达到最优的定位效果,正确定位率达到72.25%,并且在正确定位的基础上,C-V模型的分割准确率能够达到98.09%。因此,深度学习技术在实现LAA超声图像的自动分割上具备较大的潜力,能够为基于轮廓的分割算法提供良好的初始轮廓。     

摄像机在线标定中的棋盘格角点自动检测方法

针对摄像机在线标定的特殊需要，研究棋盘格角点的自动检测问题。利用棋盘格角点共面特点，将平面到平面的变换引入到角点检测中，实现了角点的自动粗定位。在粗定位窗口内，通过角点检测算子与区域能量中心共同实现了角点精确定位。该算法将角点的检测与排序巧妙地结合起来，不仅对全局和局部光照变化都具有较强的适应性，还解决了图像中某些角点检测失败时，其他角点的正确检测与排序问题。实验结果表明，该方法不仅在鲁棒性和检测精度方面高于常用棋盘格角点检测方法，而且全部处理过程可自动实现，在摄像机在线标定中具有很高的实际应用价值。     

基于拉曼光谱的电力变压器绝缘故障自动定位系统设计

电力变压器绝缘故障定位是提高电力变压器稳定性的关键,提出一种基于拉曼光谱的电力变压器绝缘故障自动定位方法。采用卷积稀疏自编码器进行电力变压器绝缘故障特征检测,提取电力变压器绝缘故障的拉曼光谱特征量,根据电力变压器的能源、负荷差异性进行受扰响应特性分析,构建电力变压器绝缘故障辨识模型,采用深度学习方法进行电力变压器绝缘故障检测中的收敛性判断,根据拉曼光谱的频谱特征分布进行电力变压器绝缘故障的自动定位。结合API接口和SS/E23节点网络拓扑模型实现电力变压器绝缘故障自动定位系统设计。仿真测试结果表明,采用该方法进行电力变压器绝缘故障定位的准确性较高,故障的可视化分辨能力较强。     

一种嵌入式核心控制系统的研究与应用

传统的温度继电器自动测试系统因在测试精度、稳定性等各方面的不足,已经无法满足越来越多的高尖端领域对温度继电器质量的要求。将嵌入式技术应用于温度继电器自动测试系统的核心控制部分,实现了核心控制系统部分的硬件以及关键应用程序的设计,并将该核心控制系统应用于温度继电器自动测试系统中,通过与传统温度继电器自动测试系统的实验分析对比,该核心控制系统在温度测试的精确度以及系统的稳定性方面都有了很大的提高。     

一种基于模糊粗糙集理论的算法及其在医学影像中的应用*

提出一种基于模糊粗糙集理论的属性约简算法,并且应用于医学影像领域。通过辅助诊疗系统,比较了运用此算法前后的分类效果,得出运用此算法约简后的分类正确率明显提高,并且运算时间明显减少的结论。试验表明通过此算法约简掉的属性确实是影响分类效果的冗余属性。     

用于个性化人脸动漫生成的自动头发提取方法

针对个性化人脸动漫自动生成的应用背景,提出了在单幅人脸图像中提取头发区域的方法.首先用手工标记训练图像中的头发区域,计算头发位置分布图像和头发颜色的概率分布函数;其次对于测试人脸图像结合头发位置和头发颜色的先验分布构建能量函数,采用割图法对该能量函数进行优化得到初始头发区域;最后利用K-均值算法对初始头发区域进行精细分割,并结合图像后处理算法得到最终的头发区域.实验结果表明,文中方法运算复杂度较低,处理一幅图像的平均时间为300ms左右,头发区域的平均检测准确率超过90%,基本满足个性化人脸动漫自动生成的需求.