基于特征选择的高光谱图像快速矢量量化算法

高光谱图像在取得较高光谱分辨率的同时带来了海量数据,使其压缩成为必需.矢量量化技术在高光谱图像压缩中取得了良好效果,但有计算复杂度高的缺点.针对高光谱图像谱带间高度冗余的情况,本文提出基于特征选择的快速矢量量化算法.该算法在减少运算量同时,能取得和LBG算法相近的压缩效果.实验表明在信噪比略微下降的情况下,计算时间下降了94.32%.     

模糊聚类的遗传算法在图像压缩中的应用

图像压缩的关键在于对图像中相似取样点的选择和处理.用基于图像像素的遗传聚类算法对3D图像分析选择样本,通过FCM算法得到一个有序的像素序列,然后进行聚类获得压缩.实验表明,运用模糊聚类分析法能够有效降低压缩算法的复杂度,并能达到预期的图像压缩效果.     

基于RFS和ART的高光谱图像主成分提取方法

针对传统高光谱图像主成分提取方法受数据分布状态和噪声影响大的缺点,提出基于区域特征光谱的ART(Adaptive Resonance Theory)神经网络主成分提取算法.首先通过多方向阈值空间邻域聚类提取区域特征光谱作为ART的输入模式,利用ART网络的自适应特性获取地物光谱矢量特征,并通过对光谱矢量聚类完成图像的主成分提取.对高光谱图像仿真结果表明:通过提取区域特征光谱,神经网络的数据处理量减少了约97%;算法能够较准确地提取图像主成分且提取效果明显好于K-均值算法.     

一种基于矢量量化的高光谱遥感图像压缩算法

压缩是高光谱遥感(hyperspectral remote sensing)图像的一个重要研究领域.文中充分考虑了高光谱遥感图像的谱间相关性较强而空间相关性相对较弱的特点,采用了自适应波段选择降维方法与基于神经网络的矢量量化方法相结合的方法对高光谱遥感图像进行压缩.首先采用自适应波段选择(Adaptive band selection)的谱间压缩方法,通过自适应地选择信息量大并且与其他波段相关性小的波段来降低高光谱数据量.然后对降维后图像在空间进行小波变换并进行矢量量化,最后对量化后数据进行自适应算术编码.实验结果表明,谱间压缩能够保留信息丰富的波段,同时计算复杂度大大降低;基于神经网络的SOFM算法及其改进算法取得较好的空间压缩效果,实现了对高光谱遥感图像的有效压缩.     

基于模糊聚类的电力系统负荷特性分析

以变电站负荷构成比例作为基本特征向量,提出采用自适应矢量量化(AVQ)神经网络模糊聚类方法对电力负荷特性进行分类与综合.将AVQ神经网络模糊聚类方法和模糊C均值(FCM)聚妾方法进行了对比研究.通过对福建电网44个变电站进行聚类分析,得出两种聚类方法不仅具有良好的聚类综合能力,同时能够通过优化理论获得聚类中心矩阵,与其他聚类方法相比有明显优势;两者相比,AVQ神经网络模糊聚类算法本身机时小,处理速度更快,而且结果更为合理.     

基于空间邻域信息的模糊聚类图像分割

模糊C均值(Fuzzy C-means,FCM)聚类算法在图像分割中已获得广泛应用.为了克服传统FCM算法抗噪性能差的局限性,提出了一种新的基于空间邻域信息的模糊聚类图像分割方法.该方法将图像的聚类分割转化为一个优化问题,通过建立包含邻域信息的适应度函数考虑像素之间的相互影响,利用捕食者-食饵微粒群的全局优化能力获得最优聚类中心,实现图像分割.仿真结果表明,提出的算法不易陷入局部最优,抗噪能力强,分割效果好,是一种有效的图像分割算法.     

基于小波变换的快速矢量量化(VQ)编码

信源大多存在相关性,即使对无记忆的信源来说,矢量量化编码相对于标量量化来说能够得到更好的效果.但是纯粹的矢量编码后得到的图像,压缩比高时图像失真也高,而且对于整幅图像都采用相同的矢量量化,收敛速度也慢.采用先对图像进行小波变换,然后对低频分量分配较少的压缩位,减少图像失真,而高频分量分配较多的压缩位,达到较高的压缩比.在进行矢量量化编码时采用了一种快速算法,加快了编码的速度.     

Julia集在分形压缩编码中的应用

目的构建一固定的压缩字典.改变传统的一副图像对应一个压缩字典的分形图像压缩方法.提出了分形图在分形图像压缩算法中的应用.方法采用f(z)=z2 C,对不同的C,有不同的曲线.用灰度值量化规则进行量化,得到一幅图像.这样可以得到丰富的压缩字典.将量化后的4×4 Julia量化曲线与原图的4×4图像块进行比较,选取豪斯多夫度量最小的Julia量化曲线.解码过程读取压缩字典,重建原图像.结果通过与传统的分形图像压缩算法比较,该算法编码过程生成丰富的压缩字典,所以解码图像质量高.并且比传统分形图像压缩算法的压缩比高,解码速度快.结论用固定分形图像压缩编码字典替代变化的分形图像压缩编码字典,使得压缩字典和要处理的图像不再一一对应.将父类进行简单的分类,减少了搜索时间.实验证明本算法实现简单、可行.图像压缩理想,效果很好.     

基于小波变换的快速矢量量化(VQ)编码

信源大多存在相关性,即使对无记忆的信源来说,矢量量化编码相对于标量量化来说能够得到更好的效果.但是纯粹的矢量编码后得到的图像,压缩比高时图像失真也高,而且对于整幅图像都采用相同的矢量量化,收敛速度也慢.采用先对图像进行小波变换,然后对低频分量分配较少的压缩位,减少图像失真,而高频分量分配较多的压缩位,达到较高的压缩比.在进行矢量量化编码时采用了一种快速算法,加快了编码的速度.     

基于模糊聚类的矢量量化的声纹识别研究

采用模糊C-均值聚类算法(FCM)实现声纹码本的矢量量化,使用基于相似系数和的孤立点检测法识别孤立点.试验表明,该方法能有效地减少孤立点对识别结果的干扰,显著降低码本量化误差,从而提高矢量量化声纹识别系统的识别率.     

基于均值距离的图像分割方法

针对医学图像分割中存在的分割类数不易确定的问题,利用常用均值间的不等式关系构造出了一种新的分割类数判据--均值距离函数,并将均值距离函数与模拟退火算法相结合,提出了一种基于均值距离的分割算法。该算法以均值距离函数作为目标函数,采用模拟退火算法进行优化,在整个搜索空间中寻找最优分割阈值,弥补了模糊C均值算法(fuzzy C-means,FCM)分类类数难以确定、搜索过程容易陷入局部极值的缺陷。实验结果表明,算法对含有病灶的医学图像能够进行自动分割,并且分割速度明显高于基于互信息的分割方法。     

基于MRF的SMT焊点区域分割的研究

基于马尔可夫随机场（MRF）图像分割模型,该文提出了一种能够较好分割出表面贴装技术（SMT）焊点区域的分割算法,即基于Gibbs采样的模拟退火算法,并讨论了影响图像分割效果的主要因素,最后将该算法与传统的Gibbs采样算法以及模拟退火算法进行比较。实验结果表明,该算法通过少量人工干预、降低采样维度,从而减少了优化收敛时间,能最快地收敛到全局最优,分割成功率较高,结果较为精确,为进一步的焊点质量分析提供了保证。     

基于运营和出行成本的校车路径问题研究

为解决农村地区校车路网布局中校方运营成本过高,以及乘车站点分布散乱导致校车服务质量差的问题,建立混载与不混载场景下多目标校车路径规划问题(SBRP)模型.在不混载情景下,构建以学生出行成本和校方运营成本为优化目标的融合校车服务水平的SBRP数学模型;在混载情景下,构建考虑校车投入成本与运营成本的SBRP数学模型.通过对比多个启发式算法,确定基于模拟退火算法的求解流程和基于遗传算法求解结果的横向比对.最后,在国际基准案例上进行了测试,基于模拟退火算法引入不同搜索算子求解不同场景下构建的SBRP数学模型,应用于山东日照五莲县校车路径优化设计,结果表明不混载SBRP情景下,提出的方法较原校车运营方式,校车投入量、行驶里程、行程成本分别减少28.6%、37.8%、35.6%,考虑到学生的校车服务感知度,学生出行成本降低4.3%;由于混载情景的复杂性,难以有效兼顾出行成本,提出的方法较原校车运营方式的学生出行成本增加了0.5%,但校车投入量、行驶里程、行程成本分别减少37.5%、42.0%、35.8%,更好地验证了构建模型的有效性及模拟退火算法相较于遗传算法,能够更大程度提高农村地区校车服务质量...     

基于遗传模拟退火算法的最大功率点跟踪研究

通过分析太阳能光伏发电系统的工作特征和现有的最大功率点跟踪(MPPT)方法,提出了一种基于遗传模拟退火算法的光伏发电系统MPPT方法.该算法将遗传算法和模拟退火算法相结合,通过将局部搜索过程引入遗传算法,从而使两种算法的搜索能力得到互相补充.针对某光伏发电系统的MPPT问题,通过仿真,将遗传模拟退火算法和遗传算法进行比较.仿真结果显示,遗传模拟退火算法和传统的遗传算法相比,能更快速、精确地跟踪到光伏系统的最大功率点.     

混沌模拟退火粒子群优化算法研究及应用

针对粒子群优化算法容易陷入局部极值点、进化后期收敛速度慢、精度较差等缺点,提出混沌模拟退火粒子群优化(PSO)算法.引入混沌理论对粒子群优化算法的参数进行自适应调整,提高了算法的全局收敛性能|采用模拟退火(SA)算法,依据概率性的劣向转移,以一定概率接受劣解,使算法具有跳出局部最优而实现全局最优的能力.引入自适应温度衰变系数,使模拟退火算法能够根据当前环境自动调整搜索条件,从而提高算法的搜索效率.通过7个经典函数测试混沌模拟退火粒子群优化算法的性能,并将其应用于Job Shop调度问题.仿真实验结果表明,采用新算法有效地克服了停滞现象,增强了全局搜索能力,与遗传算法、粒子群优化算法相比寻优性能更佳.     

基于遗传模糊C-均值聚类算法的图像分割

将遗传算法（GA）与模糊C－均值聚类算法（FCM算法）相结合，并运用于图像分割，以期解决标准FCM算法在图像分割中运算速度慢和对初始值依赖大的两大缺陷。首先对模糊聚类中心进行编码，然后依据FCM算法的目标函数建立适应度函数，在适当的交叉率和变异率下，最终实现了基于遗传模糊C－均值算法的图像分割。考虑在一维图像分割特征向量情况下，通过引入直方图统计特性，实现了遗传模糊C－均值算法的快速运算，最后，运用真实的磨粒图像对算法进行了详细验证，并与标准FCM算法进行了对比，分割实验表明了本方法比标准FCM算法具有更快的计算速度和更好的鲁棒性。     

改进的混合遗传算法在多用户检测技术中的应用

研究了一种混合遗传算法的多用户检测技术,通过将模拟退火融入进遗传算法,运用到多用户检测技术上,进行了仿真比较.结果表明,该多用户检测技术在抗多址干扰和远近效应的能力方面均接近于最优多用户检测器,优于传统的多用户检测器.     

基于微正则退火的频率分配方法

为了提高蜂窝移动通信网中频率资源的利用效率，提出了一种基于微正则退火算法的频率分配方法. 该方法将电磁干扰作为系统能量函数，通过一只虚拟妖在状态空间中的随机行走实现频率配置的优化. 仿真表明，在可分配频点资源充分时，该算法与模拟退火算法性能相当. 当频点资源紧张时，微正则退火算法的优越性得以体现，其搜索成功率远高于模拟退火算法，能更快地得到最优解. 仿真中典型的优化轨迹也证明了微正则退火算法具有快速收敛的特点.     

基于自适应蚁群算法的模糊聚类算法

将自适应蚁群优化算法与FCM(Fuzzy C-Means)算法相结合,提出了一种模糊聚类分析的新算法.该算法通过把FCM算法中的目标函数降维,将其转化为自适应蚁群优化算法中的优化函数,通过对各个节点的路径连接数的衡量,根据蚂蚁在搜索过程中所得解的分布状况,动态调节蚂蚁的路径选择和信息量更新,从而得到目标函数的最优解.结果表明,该方法比FCM算法具有更好的收敛效果和更高的聚类准确率.