使用遗传算法的自适应Kalman滤波器

基于Magill的Kalman撼波器池结构，设计了使用遗传算法的自适应Kalman滤波器，给出了离线和在线两种实现方案．离线方案以辨识滤波参数为主要目的，进而可以对状态进行较准确的事后估计；在线方案以实时地对状态进行估计为目的．对滤波参数寻优使用具有良好性能的浮点数编码遗传算法，该算法与二进制编码遗传算法相比收敛速度更快、搜索全局最优的能力更强．仿真结果验证了所提出的自适应Kalman滤波器的有效性．     

基于小波和滤波器组的图像编码方法

将二带小波算法扩展到M带 ,并根据人眼对不同方向敏感性的不同 ,提出了M带小波量化的一种策略 ;同时讨论了消失矩对图像压缩的影响 ,并对常用的变长Huffman编码及算术编码的性能作了比较 .理论分析和实验结果表明 ,这一方法能实现较高的压缩比 .     

运用压缩小波的图像处理技术

在研究离散小波变换理论的基础上,提出了一种嵌入图象编码方法,即小波差异化简算法。该算法包含了小波变换、差异编码、二进制化简、有序数据平面传输及选择性代数编码等。并就去噪、除斑、变焦等问题进行了讨论。     

基于小波变换的静止图象压缩技术研究

小波变换是当前热门的研究课题，它在信号和图象处理领域获得了非常广泛的应用，当图象经过小波变换后被分解不同分辨率级和不同方向的子图象，对不同的子图象采用不同的编码方法，为了提高编码效率还采用了多级零编码技术。最后给出的实验结果表明：采用本文的压缩方法可以得到较高的压缩比，在压缩比为１２８：１时，峰值信噪比（ＰＳＮＲ）仍有２７．７３ｄＢ。     

一种基于图象恢复和小波包分解的遥感图象压缩方法

设计了一种基于小波分解等去相关技术和图象恢复技术的遥感图象压缩＼解压方法。该方法首先分别利用比特分割和差值两种方法对图象进行去相关预处理,其次利用二层小波包分解将图象分解为低频和高频部分等16个部分,然后对各高频成分进行了量化压缩或置零(去除),对低频部分采用无损的算术编码。为了提高解压重建图象的质量,利用线扩散函数对重建后的图象进行恢复处理。对SPOT和TM图象的实验结果表明,该技术是可行的．     

基于准确重建滤波器组的小波构造

小波应用领域广泛，因此对具有良好特性的新小波需求很大。传统的小波构造方法复杂，不利于构造各类适合不同问题求解的小波。分析了准确重建滤波器组的双正交性，基于准确重建滤波器组构造了一类新小波，并在紧支撑区间上得到尺度函数、小波函数、对偶尺度函数和对偶小波函数的图形。     

一种改进的遗传算法

给出的适应值标定公式能够解决对个体选择压力和标定后适应值非负问题。对多极值函数的遗传算法所提出的改进措施可以增加群众的多样性，避免算法“早熟”，过早陷入局部最优。     

基于遗传算法的广义指数分布参数估计

将遗传算法运用于广义指数公布的参数估计中．模拟研究表明遗传算法极大地改善了传统方法的估计效率．     

新的小波——分形混合编码方法：分类

利用小波变换域内小波系数的相似性,提出了基于分类的混合编码方法,和率失真原则找出适合于分形编码的小波树,对其进行分形编码,而对于零树不作编码,其余部分进行算术编码。这种方法提高了编码增益。实验结果表明该算法的性能优于PPC、SQS等混合编码方法。     

一种基于小波包最优基算法的图像压缩方法

小波包是近年来的一个研究热点，在图像处理方面有着很广泛的应用，本文提出了一种基于快速小波包算法的图像压缩方法，在一维情况下，它比传统算法提高2．67倍，在二维情况下，和具体的图像大小有关，但比传统算法还是提高了三至四倍，因此加快了图像压缩的进程，取得了很好的实验效果，将图像在小波包最优基下展开，利用小波包最优基极好的空间，尺度定位性，使得图像的小波包变换系数在小波变换域极可能的集中从而使在不降低压缩信号的视频质量情况下，提高了图像的压缩比。     

基于遗传算法的BP网络最优权值算法

针对BP神经网络由于初始权值的随机选取而造成陷入局部极小的问题,提出了以遗传算法为基础的最优值选择法,利用遗传算法自身特有的优势,为BP网络的权值找到全局最优解,从而提高BP网络的收敛速度和精度。     

基于遗传算法的车间作业调度

提出了一种基于遗传算法的车间作业调度算法，详细讨论了染色体编码方法和遗传算法的设计，并构造了该算法的基本模型，给出的仿真算例表明了该算法解的有效性。     

基于遗传算法的滑模目标跟踪控制

本文介绍了遗传算法,并设计推出一种滑模目标跟踪控制器,并利用遗传算法对滑模目标跟踪控制器进行了优化,计算机仿真证明取得了良好效果。     

浮点数编码的遗传算法及其应用

对多极值函数的全局优化问题,采用十进制浮点数对遗传算法进行编码,综合设计出相应的选择、交叉与变异遗传操作得到浮点数编码的遗传算法（Ｆｌｏａｔ－ｅｎｃｏｄｉｎｇ Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍ,ＦＧＡ）。应用ＦＧＡ对３个著名的优化方法测试函数进行优化计算。仿真结果表明ＦＧＡ不易陷入局部极值,收敛速度快,并能得到较高的优化精度。     

基于遗传算法的小波神经网络交通流预测

城市交通流的运行存在着高度的复杂性、时变性和随机性，实时准确的交通流预测是智能交通系统，特别是先进的交通管理系统与先进的出行者信息系统研究的关键．基于交通流预测的特点，给出了基于遗传算法的小波神经网络的交通预测模型GA-WNN，用具有自然进化规律的遗传算法来对小波神经网络的连接权值和伸缩平移尺度进行前期优化训练，部分代替了小波框架神经网络中按单一梯度方向进行参数优化的梯度下降法，克服了单一梯度下降法易陷入局部极小和引起振荡效应等缺陷．仿真实验验证了GA-WNN预测模型对短时交通流的预测的有效性．     

用遗传算法求SVM的最优超平面

支持向量机(SVM)是解决小样本学习问题的有力工具,其关键是如何得到判别样本类别的最优超平面。受约束条件的限制,最优超平面的求解比较繁琐。遗传算法具有全局搜索最优解的特点,是求最优值问题的非常有效的方法。由此,利用遗传算法得到了一个直接求最优超平面近似解的方法,该方法不同于传统的二次规划方法。     

基于Kalman滤波器和遗传算法的参数估计方法

提出了一种基于Kalman滤波器和遗传算法的系统参数估计方法,可以对带测量噪声和过程噪声的线性系统中的未知参数进行有效估计。理论分析和数据仿真表明,此方法能较好地处理已知数据中的噪声,并且能应用于系统未知参数存在较复杂关联的情况。     

一种最优小波包基搜索算法

提出了一种最优小波包基搜索算法.信号奇异点的小波分解系数远大于其余点,利用这一特性构成有效的数据压缩方法.在小波包分解各节点中保留与信息有关的较大的系数,去掉其余干扰数据.由于有关的信息被保留下来,舍弃的是大量无关的干扰,一方面达到了消噪的目的,另一方面大大压缩了数据,便于数据的存储和传输.最后基于该算法给出了算法用例,并将该算法应用于分解压缩,得到了较好的效果,证明该算法在工程应用中具有一定的价值.