多重滤子非单调新锥模型信赖域算法

将由Gu和Mo所提出的一种新的非单调技术,应用到新锥模型的过滤信赖域算法中,提出了一种求解无约束优化的非单调多重过滤信赖域方法,新算法中的每个非单调项是其先前单调项和当前目标函数值的凸组合,不但在每一次迭代中构造出新的比率来调整信赖域半径减少运算量,而且在实验步骤不被接受时利用了多重过滤技术增加了试验点的接受几率,在适当的条件下,证明了算法的收敛性。数值试验表明了该算法的有效性。     

一种多重滤子非单调的新锥模型信赖域算法

非单调技术在信赖域中得到广泛应用,并取得了较好的结果,但传统的非单调技术存在遗漏最优点等缺陷,文中提出了一种新的基于新锥模型的非单调多重过滤信赖域方法,该算法不但在每次迭代中构造出新的比率来调整信赖域半径减少运算量,同时在实验步骤不被接受时利用多重过滤技术增加了试验点的接受几率,并在适当的条件下,证明了算法的收同时敛性。数值试验则表明了该算法的有效性。     

带有线搜索的非单调自适应新锥模型信赖域算法

提出了一种带有线性搜索的非单调自适应新锥模型信赖域算法。根据线性搜索方法计算量小和信赖域方法良好的收敛性优点,文中将非单调Wolfe线性搜索应用于新锥模型自适应信赖域方法中,结合构造了一类新算法:当试验步d_k不成功时,采用非单调Wolfe线搜索求得下一个迭代点,使得新算法无需重解子问题,减少计算量。另外,利用c^p||B^-1_k+1|| ||g_k+1||来调节半径,其中c∈(0,1),p为非负整数。在适当\\条件下,证明了该算法的全局收敛性和有效性。     

非单调的微粒群信赖域算法

文中对无约束优化问题提出了一类非单调信赖域算法,将搜索性能良好的微粒群算法和总体收敛性良好的信赖域算法有效融合,并提出了基于微粒群的信赖域算法,在适当的条件下,证明了算法的全局收敛性。     

基于场景的空间投影估计和时域迭代非均匀性校正算法

本文提出了一种基于场景的空间投影估计和时域迭代非均匀性校正算法。本算法采用空间投影估计来估算图像的全局平移,并且在相邻帧之间进行时域迭代。具体分为下述三个主要步骤：首先,我们提出了一种基于配准准则的投影估计。然后,我们采用相邻帧的迭代校正来保证较快的收敛速度以及较少的非均匀性残留,同时保证基本没有鬼影。最终,我们将本算法移植到基于FPGA的硬件系统。通过评价标准测试了本算法的性能,并展示了在单调运动下系统非均匀性校正的实际效果。一段添加了模拟非均匀性的干净视频被用来对比此算法和阈值自适应最小均方差算法以及全偏差算法。在本文结尾,我们得到了结论,并对后期的工作进行了展望。     

BP网络的改进研究

针对标准BP神经网络收敛速度慢，学习精度不高的缺点，在标准BP神经网络算法中附加动量项，并以附加动量项的BP网络算法为基础，提出动量-自适应速率法，动量-可调激活函数法以及动量-自适应速率-激活函数法四种改进算法。以太阳黑子预测为实例分析四种改进算法在BP神经网络迭代次数减少，精度提高两方面的实际效果。事实证明，动量-可调激活函数算法对BP网络结构优化，提高收敛速度有明显效果。     

对红外焦平面非均匀性自适应校正算法的研究

研究红外焦平面的非均匀校正对监控系统和军事有着特殊的意义.针对传统神经网络法非均匀校正算法存在收敛速度慢和不稳定的缺点,提出了一种新的基于场景的IRFPA非均匀性校正算法.该算法先将焦平面上的各像素点值和他周围的8个像素点值做一次排序,选择排在中间的5个像素值求平均作为该点的新像素值.再利用一种改进的神经网络法对红外图像再做一次非均匀校正.实验结果表明,新算法的非均匀校正效果比原来的神经网络算法和均值滤波算法都有明显的提高.还引用了一种新的收敛因子的估算方法,计算结果得出该方法能较准确地估算出收敛因子在自适应迭代公式中收敛时的范围,提高了校正算法的收敛速度.     

基于改进自适应蚁群算法的无人机航迹规划研究

针对传统蚁群(ACO)算法在无人机航迹规划中存在的收敛速度慢、易陷入局部最优等缺点,提出了一种基于改进自适应蚁群(IAACO)算法的无人机航迹规划方法。首先,将角度导向因子引入状态转移规则中,使蚂蚁以更大的概率朝着目标点的方向前进,提高了路径的搜索效率;然后,引入启发式信息自适应调整因子平衡了算法的收敛性和全局搜索能力;最后,通过定义长度指标函数、角度指标函数,进一步建立了航迹优化的目标函数,实现了无人机航迹规划的全局优化。实验结果表明,改进后的算法收敛速度更快,生成的路径更平滑、长度更短。     

基于余弦相似性的自适应权重的改进FCM算法

模糊C-均值聚类算法(FCM)是一种经典的聚类算法,主要通过迭代更新隶属度和聚类中心来提高聚类的有效性.FCM算法的性能主要通过类内紧性和类间分离性来评价,但其既依赖于初始聚类中心,也对噪声非常敏感.考虑到每个数据点和每个聚类中心对目标函数的不同重要性,本文提出了一种具有自适应权重的改进FCM聚类算法(Hybrid FCM).主要贡献:将2个具有自适应指数p和q的自适应权向量ψ和φ引入FCM的目标函数,以体现不同数据点和聚类中心的重要性;为提高聚类性能,自适应指数p、q和模糊因子m采用粒子群优化算法(PSO)优化,新提出的聚类评价指标AWCVI作为PSO算法的适应度函数;迭代过程中利用余弦相似性对隶属度函数进行修正,提高算法的鲁棒性.实验表明,本文提出的算法能够有效地提高聚类效果.     

基于双域滤波与引导滤波的快速医学MR图像去噪

针对医学磁共振(Magnetic Resonance,MR)图像 中存在Rician噪声较大以及双域滤波算法对Rician噪声处理不彻底、 运行时间较长的缺点,提出一种双域滤波与引导滤波相结合的快速医学MR 图像去噪算法。 该算法将引导滤波边缘保持后 的图像作为双域滤波算法的原引导图像,减少双域滤波算法的迭代次数,缩短算法运行时间 ;然后通过改进算法权重,结合 原始权重系数和指数核函数,构造新的权重系数,对噪声进行有效处理。实验结果表明,本 文算法能有效去除医学MR图 像噪声,保护图像细节,相比优秀的医学MR图像去噪算法,具有更高的峰值信噪比和结构 相似度;且相比经典双域滤波 算法,改进后的算法能将运行时间减少1/3,相比非局部均值算法, 可减少1/2。     

一种用于消除红外图像噪声的自适应加权滤波算法

针对带有高斯噪声和椒盐噪声两种混合噪声的红外图像,提出了一种自适应加权混合去噪算法。该算法首先通过邻域像素的灰度差值来判断像素噪声的类别,然后对高斯噪声采用自适应加权均值滤波法滤除,对椒盐噪声采用自适应加权中值滤波算法滤除。实验表明,该方法优于传统均值滤波算法和中值滤波算法,能同时消除混合噪声,并具有较好的保护图像细节的能力。     

斜视模式SAR的子孔径算法分析及实现

该文根据传统的子孔径算法提出了适用于斜视情况的改进的子孔径算法,该算法可以明显改善图像的质量,并有助于自聚焦算法的收敛。同时,该文还提出了一种适用于该算法结构的自适应调整比例因子的图像域杂波锁定方法,可以大大加快收敛速度并提高收敛精度。该文还详细讨论了改进的子孔径算法对存储容量的要求,提出实时处理情况下的算法流程,分析了算法的计算量并与R-D算法做了相应比较。     

基于类内方差最小化及模糊控制算法的 小波边缘检测技术

 应用传统的小波技术对图像进行边缘检测时,需要采用阈值对模非极大值抑制后的候选边缘点进行筛选,求取边缘.但是,目前阈值的求取是凭借人们的经验人为的设定,需要反复的试凑比较才能得出最后结果,另外,当前的单阈值自动求取方法还无法实现精确的边缘检测,这些缺陷限制了小波边缘检测技术在实际中的应用.针对这一问题,提出基于类内方差最小化原理自适应的求取双阈值的算法,不需要人为的设定任何系数和参数.采用模糊控制技术连接边缘像素,理论推导和实验结果证明了该算法的正确性和有效性.     

A Three Layered Peer-to-Peer Energy Efficient Protocol for Reliable and Secure Data Transmission in EAACK MANETs

The wireless body sensor network (WBSN) an extensive of WSN is in charge for the detection of patient’s health concerned data. This monitored health data are essential to be routed to the sink (base station) in an effective way by approaching the routing technique. Routing of tremendous sensed data to the base station minimizes the life time of the network due to heavy traffic occurrence. The major concern of this work is to increase the lifespan of the network which is considered as a serious problem in the wireless network functionalities. In order to recover this issue, we propose an optimal trust aware cluster based routing technique in WBSN. The human body enforced for the detection of health status is assembled with sensor nodes. In this paper, three novel schemes namely, improved evolutionary particle swarm optimization (IEPSO), fuzzy based trust inference model, and self-adaptive greedy buffer allocation and scheduling algorithm (SGBAS) are proposed for the secured transmission of data. The sensor nodes are gathered to form a cluster and from the cluster, it is necessary to select the cluster head (CH) for the effective transmission of data to nearby nodes without accumulation. The CH is chosen by considering IEPSO algorithm. For securable routing, we exhibit fuzzy based trust inference model to select the trusted path. Finally, to reduce traffic occurrence in the network, we introduce SGBAS algorithm. Experimental results demonstrate that our proposed method attains better results when compared with conventional clustering protocols and in terms of some distinctive QoS determinant parameters.     

基于免疫遗传算法的自适应图像分割方法

提出了一种基于免疫遗传算法的图像分割新方法。利用生物免疫系统自调节、抗原识别和记忆功能,结合遗传算法对图像进行自适应区域阈值分割,试验结果表明该方法能够克服传统闽值方法对目标大小的限制,是一种有效的图像分割新方法。     

基于加权递推滤波模糊算法的工艺风力控制

针对工艺风力控制系统存在的问题,提出了一种新的模糊控制算法。该算法采用离线计算与在线查表结合加权递推平均滤波的方式,运算量小,既具有传统比例-积分-微分(PID)的控制经验的优点,也有模糊控制的自适应性,还能克服输出模糊量变化时控制量的跳变。通过实践证明,该算法具有响应快、超调小、稳态精确度高、抗干扰和自适应能力强等优点,并明显减少了风压和流量的超调量以及调节时间,降低超调量至少1.2%,减少调节时间至少1.3 s,对于工程技术人员如何利用PLC实现高级控制方法具有较好的指导意义。     

一种新的步长等变化自适应算法

定义了描述信号分离状态的一种测度,并在认真分析相关固定步长和变步长EASI算法的基础上。提出了一种新的步长自适应等变化自适应（EASI）算法。该算法步长是基于分离状态的。其学习速率由信号的分离程度自适应地选取。因而能很好地解决收敛速度和稳态误差之间的矛盾。计算机仿真结果与理论分析相一致,证实了该算法明显优于传统的EASI算法．