给水管网管径优化设计的遗传算法

给水管网管径设计是离散变量的非线性优化问题，常规的数学规划方法采用连续变量求解，其最优解受初始值影响大。本文提出一种新方法－－遗传算法，它的特点在于：从多个初始点开始寻优，并采用交迭和变异算子避免过早地收敛到局部最优解，可获得全局最优解，且不受初始值影响。该算法不必求导计算，编程简单。     

离散复合形法的改进及应用研究

在工程设计中,复合形法是求解约束非线性规划的一种直接方法.它计算简单、适用性强,是解决工程技术问题的常用方法.通常情况下,复合形法多用于连续变量优化设计问题的求解,但在工程实际中还存在大量的离散变量优化问题.为此,我们在连续变量复合形算法的基础上,采用平均值舍入法获取离散点,并改进了复合形迭代过程和停机准则,使之成为一种能直接求解离散变量优化解的方法.几个典型工程离散变量优化设计算例的计算结果表明,我们提出的方法十分有效.     

基于局部特征空间相关核的图像目标分类

为了描述局部特征在图像空间中相对位置关系,提出一种局部特征空间相关核(Spatial Correlation Kernel,SCK)用于图像目标分类.该方法首先提取并量化图像中的局部特征,再计算量化后的局部特征的空间位置自相关度,然后利用直方图交叉匹配两幅图像的空间位置自相关度得到局部特征空间相关核.该核充分利用局部特征的强分辨能力及其空间位置,且SCK具有线性计算复杂度,满足正定条件,可以运用于基于核的学习算法.本文将SCK嵌入支持向量机对公共数据库中图像目标进行分类,实验结果表明,SCK可以获得良好的时间效率和分类性能.     

计算非周期信号频谱的一种新方法

本文介绍了基于离散哈脱莱变换与离散付里叶变换关系，计算非周期信号的频谱的方法。该方法比利用离散付里叶变换大多数算法能减少运算量，提高运算速度。     

基于遗传算法的混合离散变量结构优化设计

本文研究了适于解决混合离散变量结构优化设计的遗传算法，给出了混合离散变量的遗传基因表达模式和适值函数建立的简便方法，计算实例表明该算法是有效的。     

基于隐核最小二乘回归的逆控制

基于对核特征空间和最小二乘回归算法的深入研究,提出一种新的非线性隐核最小二乘回归算法(HK-LSR)并将其应用于非线性系统的逆学习控制.仿真表明,该方法具有良好的泛化性能,所构造的逆学习控制器具有令人满意的控制性能.     

申威异构众核处理器架构下结构瞬态有限元并行算法

根据国产申威异构众核分布式存储计算机的体系结构特点，提出了一种结构瞬态有限元分层并行计算方法，对于提高国产申威异构众核分布式存储并行计算机下大型、超大型复杂结构系统的瞬态并行求解效率具有重要意义。该方法在分层通信和Newmark-HHT算法的基础上构建了大规模复杂结构系统的瞬态并行求解体系，不仅实现了计算过程中大量数据的分布式存储，显著改善了数据的内存访存效率；而且实现了计算过程的两层并行，有效改善了通信效率。因此，该计算方法能够充分利用国产申威异构众核分布式存储并行计算机的体系结构特点提升结构瞬态大规模并行计算效率。最后通过典型数值算例验证了该方法的正确性和有效性，并将其应用于某高层建筑，实现其上千万自由度、数万核的结构瞬态并行计算。     

基于多核Boosting方法的通用目标分类和识别

针对传统基于SVM分类器的多核学习方法优化参数多、优化过程复杂、计算量大的缺点,本文提出基于Real Adaboost的多核学习方法解决通用目标分类与识别问题.该方法根据核函数能将高维特征映射到低维空间的特性,采用核函数空间上的线性平面分割构建弱分类器,并用Real Adaboost学习框架对弱分类器进行学习.先用分层...     

基于演化非对称核函数的均值漂移跟踪算法

针对传统均值漂移跟踪算法中采用的对称核函数模板中包含了较多背景像素点,影响跟踪精确度和稳定性的缺点,在固定非对称核函数的基础上对均值漂移跟踪算法进行了改进,提出了一种基于演化非对称核函数的均值漂移目标跟踪算法。本文算法首先介绍了将非对称核函数模板引用到均值漂移算法框架的关键问题——模板中心——的计算方法;其次将非对称核函数模板的表述和演化有机结合,提出了利用区域相似度的目标轮廓水平集演化算法并阐述了非对称核函数模板的更新策略。实验结果表明,相比现有的方法,本文提出的基于演化非对称核函数模板均值漂移跟踪算法具有更高的准确性和可靠性,同时也能满足一般目标跟踪任务的实时性要求。     

图像插值的改进自适应核回归方法

针对 steering 自适应核回归的插值算法中图像整体灰度值偏离较大和空洞的现象,本文提出了一种基于改进的自适应核回归函数的图像插值算法.该方法根据图像的自相似性原理,通过把图像邻域中像素间几何距离函数融入 steering 自适应核函数中,实现一种改进的自适应核函数,并采用这种核函数对图像进行回归插值.实验结果表明...     

基于线性核主成分分析和XGBoost的脑电情感识别

本文通过引入线性核的主成分分析和极端梯度提升(XGBoost)模型,给出了一种连续视听刺激下脑电(EEG)情感四分类识别算法.为体现适普性,文中使用传统的功率谱密度(PSD)作为脑电信号特征,并结合XGBoost学习得到weight指标下的特征重要性度量,然后使用线性核的主成分分析对经阈值选择的重要特征进行处理后送入X...     

基于核主元分析的头部姿势估计

现有头部姿势估计方法主要是基于几何分析和基于外现线性变换的方法,计算复杂、通用性不强.提出一种新的利用非线性的核变换算法进行姿势估计的方法,根据流形学习理论,不同姿势的高维人脸图像存在一低维流形结构,提取该流形结构可估计头部姿势.核主元分析是一种非线性降维算法,能够把这种流形结构嵌入到低维空间.利用核主元分析训练姿势估计曲线,然后把新图像投影到姿势曲线上,利用插值方法估计新投影点对应得姿势角度.核主元分析的方法克服了传统线性估计方法的缺点,实验证明该方法估计效果良好,并给出进一步提高估计效果的途径.     

粗略不相似度量及其在层次聚类中的应用

局部结构特征在数据分析过程中具有重要的作用.为获得简单有效的数据集局部结构化特征检测方法,本文结合重采样误差分析和传统的近邻选择方法提出了一种检测局部结构特征的方向一致性度量—粗略不相似性度量.该度量是一种优化的近邻选择方法,不仅考虑了传统的欧氏距离排序,而且考虑了局部方向结构特征.因其计算和存储复杂度小以及具有优越的结构检测性能,可应用于无监督学习形成一种层次化的子图聚类算法—RDClust,与经典聚类算法相比,其优势在于:一是计算复杂度较小,是近似线性算法;二是无需对类的形状和分布形式做任何的假设,可自动体现数据集的局部结构;三是有一个近邻参数,且该参数对结果较鲁棒.在人工和真实数据集上的实验显示了新的度量方式应用于新算法的优越性能.     

双尺度分级结构时域动刚度问题的并行拓扑优化

提出双尺度分级结构时域动刚度问题的并行拓扑优化方法，实现结构宏观拓扑构型和材料微观分布协同优化。利用三场密度方法实施宏观与微观结构的设计，基于能量的均匀化方法(energy-based homogenization method, EBHM)在微观结构上计算等效的宏观力学特性。针对比例阻尼系统，将HHT-α方法作为时间积分算法，求解多尺度结构的动力学有限元模型。融合先离散-后微分方法与伴随方法，在时间与空间离散的拓扑优化模型上实施敏度分析，避免了将时间作为连续变量而导致的灵敏度计算的一致性误差问题。以多尺度结构的动柔度最小化为目标，宏观与微观结构体积为约束，分别求解了正弦半波和余弦半波冲击载荷作用下多尺度结构的并行拓扑优化问题。最后，通过2种典型算例的数值结果验证了所提算法的有效性。     

确定任意多边形的核的算法

本文提出确定任意简单多边形Ｌ的核的算法，该算法的时间复杂性是Ｏ（ｌｎ）次乘法，其中ｎ是多边形的Ｌ的顶点数，ｌ是多边形Ｌ中凹点的数目。     

一种基于决策表的求核算法

针对目前决策系统中计算核算法效率不高问题,给出一种基于决策系统的求核算法,该算法不需要建立区分矩阵,降低空间复杂度,同时便于工程实现。并通过实例证明该算法的有效性。     

一种彩色视频超分辨率重建算法

基于RGB三通道的超分辨率视频重建算法对彩色视频进行处理将导致算法的计算量过大,不利于其在彩色视频实时处理中的应用。针对这一缺点,本文基于核回归函数提出了一种高效的彩色视频超分辨率重建算法,该算法只需要对亮度分量进行超分辨率重构,在增大视频序列重构信息量的同时,大幅降低超分辨率重建算法的计算量,更适用于彩色视频的实时超分辨率重建场景中。     

流形核与LPP相结合的毛杆折痕识别方法

针对毛杆折痕难以检测问题,将非线性流形的思想引入到折痕识别领域。提出运用流形核函数与局部保持投影相结合的方法进行毛杆特征提取。首先基于区域图像构造协方差矩阵作为图像特征,利用仿射不变度量作为样本点的距离测度。然后通过定义的黎曼核函数选择流形上的近邻点,使得近邻点的选择符合数据呈非线性流形的假设,并结合数据类别信息构造相应的核矩阵。最后利用局部保持投影算法对毛杆图像进行降维。实验结果表明,本文算法能够有效克服光照不均和残余绒毛等外部因素影响,具有较好的稳健性和较高的识别率。     

双线性时间-频率分布的近似计算及其应用

双线性时间-频率分布是非平稳信号处理的重要工具。但该方法运算量大，占内存多。无法实时实现。根据核函数的谱分解理论，把实离散核函数表示为实对称矩阵，利用对称矩阵的特征分解把离散时间双线性时间-频率变换表示为离散时间频谱图的加权和，用频谱图的部分和实现双线性变换的快速近似计算。数字仿真与齿轮箱故障信号处理结果表明，近似计算方法能够节能存贮空间，明显提高计算速度。     

粒子群优化算法在电网规划中的应用

粒子群算法适合求解连续变量优化问题,本文提出了粒子群算法的新离散化方法。常规粒子群算法在电力系统优化问题中取得了成功,但有"趋同性"。本文提出了改进多粒子群优化算法(IPPSO),IPPSO是两层结构:底层用多个粒子群相互独立地搜索解空间以扩大搜索范围;上层用1个粒子群追逐当前全局最优解以加快收敛。粒子群以及粒子状态更新策略不要求相同。