求解创建者序列重建问题的单亲遗传算法

利用最大片断长度MFL(MaximumFragmentLengthproblem)模型研究创建者序列重建问题的算法.首先提出一种求解该模型的启发式算法HF,该算法采用向前探测技术确定列值,并充分利用重组体列向0、1取值比例,以及该比例与创建者矩阵的列向0、1取值比例的相关性等启发式信息.其次,通过引入基于HF算法的遗传算子,提出一种重建创建者序列的单亲遗传算法PGMFL.实验结果表明,在相同的时间约束内,PGMFL算法能获得较其他算法更少的断点个数和更长的片段平均长度,是求解创建者序列重建问题的一种有效方法.     

一种最小创建者集合的构建算法

最小创建者集合问题(the Minimum Founder Set problem,MFS)是求解重组体的嵌合体结构或创建者集合的有效模型,提出一种求解该问题的构造性启发式算法H-MFS.在嵌合体中的最小片断长度须不小于L的模型约束下,各重组体的前L列之间及最后L列之间均不能出现断点.基于这个思想,该算法将创建者序列的基因位点分成三个部分分别构建.采用两组真实的生物数据对算法进行测试分析:1.Kreitman的果蝇乙醇脱氢酶数据;2.国际人类基因组单体型图计划发布的CEU种群样本.实验结果显示,该算法能快速有效地求解MFS问题,并且当重组体的SNP位点个数取值较大时,H-MFS仍具有较高的执行效率,有很好的实用价值.     

边缘增强型非局部模型超分辨率重建算法

针对一些超分辨率重建算法鲁棒性差、边缘保持能力有限、降噪效果不理想等不足,提出一种基于最大后验概率估计的边缘增强型非局部模型超分辨率重建算法。算法引入了非局部模型,并将图像的边缘信息加入模型系数的计算中,是对基于BTV(bilateral total variance)模型超分辨率重建和基于MRF(Markov random field)模型超分辨率重建的有效改进,提高了算法的鲁棒性、边缘保持能力和降噪能力。实验结果表明,该算法性能稳定,在信噪比较低情况下也能保持图像的边缘信息,取得比较好的重建效果。     

基于迭代条件模型算法的图像超分辨率重建

图像超分辨重建是从一系列降质的低分辨率图像中获取高分辨率的图像。在最大后验概率算法基础上提出了一种基于马尔可夫随机场的超分辨率重建算法,并通过迭代条件模型实现超分辨率图像重建。实验结果表明,与传统的超分辨率重建算法相比,该算法是一种快速的计算最大后验概率的方法,采用Potts-Strauss模型作为图像的先验概率密度函数,经过五、六次的迭代就能达到理想的迭代效果,解决了最大后验概率算法计算量大的缺点,是一种高效的超分辨率重建算法,具有一定的实用价值。     

X射线CT模型及重建算法

该文从系统论的观点出发,将由投影重建图像中的变换看成空间变化的动态系统模型。基于所建立的连续模型,首先对传统算法的优劣点作了分析比较,接着介绍了基于小波的多分辨分析在图像层析重建中的运用及发展;基于离散模型,从信息论的角度将级数展开法归于单目标优化成像算法,同时介绍了多目标优化理论并对其中多目标熵优化理论的最新发展作了着重探讨。     

基于改进的神经元网络的图像恢复与重建新算法

本文简单介绍了最早的图像恢复的神经网络方法,Lambertian反射模型虽可用于图像的恢复与重建,但它有很大的局限性。为此,本文给出了一种基于改进的神经元网络的新型反射模型,用于三维图像的恢复与重建,此新法不需知道光源方向,经实验证明,具有计算快捷且图像识别精度高的特点。     

基于纹路的三维指纹模型重建算法

三维指纹识别是近几年兴起的一种基于三维指纹模型进行指纹识别的新技术,能够克服传统接触式指纹识别中存在的纹路变形、残留纹路、对手指皮肤状况敏感等缺陷。基于多角度图像的三维指纹模型重建是整个识别过程中的一个关键步骤。提出了一种基于纹路的重建算法,算法重建的指纹模型直接包含纹路与细节点相关特征。相对于已有文献中将指纹表皮作为重建对象,算法重建结果更有助于特征提取等三维指纹识别后续过程。     

一种改进的基于序列的超分辨率图像重建算法

该文提出了一种基于多帧的NEDI超分辨率图像重建算法。该算法先利用POCS方法将多帧序列的运动估计补偿到低分辨率图像中,然后再利用NEDI方法对补偿后的图像进行超分辨率图像重建,通过实验仿真证明该算法是有效的。     

基于HMRF先验模型的超分辨率重建

针对基于最大后验概率(MAP)的超分辨率重建算法在重建图像过程中存在的问题,提出一种基于Huber-马尔可夫随机场(HMRF)先验模型的超分辨率重建方法,采用HMRF作为图像先验模型,对图像进行分段超分辨率重建。仿真实验结果表明,与传统的MAP算法相比,该方法能更好地保存重建图像的边缘细节,有效提高重建图像的质量。     

基于SFS方法的三维表面重建算法研究

SFS(由明暗恢复形状)方法研究是计算机三维视觉研究领域中的一个重要分支.以朗伯体光照漫反射模型为基础,对物体表面图像明暗恢复其表面高度和梯度的抽象模型进行分析,研究基于朗伯体定律求解受光点梯度的算法及SFS方法的实现原理.     

舰船补给物料搬运顺序优化问题的改进遗传算法

现有的多搬运工具可并行条件下的物料搬运顺序优化模型, 其采用的标准遗传算法收敛速度慢且易陷入局部最优. 提出了该模型的改进遗传算法, 采用精英保留策略代替传统的轮盘选择方法, 使用自适应策略设计交叉算子和变异算子. 以某一具体的舰船补给物料搬运顺序优化问题为背景, 通过实例进行了计算. 结果表明, 改进遗传算法收敛速度大大提高, 具有较高的求解质量和效率.     

Multicut问题参数算法的改进

Multicut问题即在一个图上删除最少个数的顶点,使得预先给定的一组顶点对均不连通.该问题是NP难的.在深入分析问题结构特点的基础上,运用集合划分策略和相关问题的最新研究结果,对它提出了一种时间复杂度为O*的参数化算法,其中,l为给定的顶点对数目,k为需删除的顶点个数.该算法明显改进了当前时间复杂度为O*的最好算法.     

Multicut问题参数算法的改进

Multicut问题即在一个图上删除最少个数的顶点,使得预先给定的一组顶点对均不连通.该问题是NP难的.在深入分析问题结构特点的基础上,运用集合划分策略和相关问题的最新研究结果,对它提出了一种时间复杂度为O*的参数化算法,其中,l为给定的顶点对数目,k为需删除的顶点个数.该算法明显改进了当前时间复杂度为O*的最好算法.     

一种改进的压缩感知重构算法

压缩感知重构信号时,在感知过程中如何选定支撑集对算法的重构性能至关重要.基于压缩采样匹配(CoSaMP)重构算法,引入Dice系数匹配性度量准则,优化了支撑集的选择.上述算法改进了从给定的观测矩阵中挑选与残差信号最匹配原子的匹配准则,体现了残差信号中各个元素对原子选取的重要作用.仿真结果表明:在同等稀疏的条件下,重构算法与传统的CoSaMP算法相比,误差低于传统CoSaMP算法,且随着观测维数的增加,重构信号的平均成功概率比传统的CoSaMP算法的大,实现了较小的重构误差和更好的压缩性能.     

粘贴模型在两类特殊问题中的改进算法研究

为了避免对初始解空间的复杂过滤,同时充分利用粘贴模型在生物操作过程中的优越性,设计了基于粘贴模型的改进DNA算法.对于最小支配集问题和最小顶点覆盖问题,算法设计可以直接生成可满足解的解空间,使解空间的规模小于O(2n),从而简化最优解的筛选.通过具体实例说明了该算法的可行性.     

布尔序列的一种KNN改进算法

布尔序列分类作为一类特殊的分类问题在以往很少被予以专门的研究.本文首先定义布尔序列的属性序化和分片映射的概念,在此基础上提出一种称为序化分片映射(OPM)的降维方法,并将此方法与KNN算法结合提出了一种KNN的改进算法(OPM-KNN).实际数据的实验和分析表明,在降维方面,本文OPM方法与传统PCA方法效果相当,速度有较大提高;在分类方面,本文改进KNN算法与传统的KNN算法相比,分类准确度相当,分类速度增快.     

电路布线问题求解的改进算法

常用的解决电路布线问题的算法的时间和空间的复杂度都是O(n2)。这里n为一块电路板的上端(或下端)接线柱的个数。现给出一种时间复杂度为O(nlogn)的新算法。改进了传统的算法。     

子集和问题的改进算法

Due to the importance of the subset sum problem in cryptosystem,in the past two decade,much ellort has been done in order to find techniques that could lead to practical algorithms with reasonable running time. Based on the two-list four-table algorithm ,this paper proposes an improved algorithm for the solution of subset sum problem. To find a solution for the n-element subset problem,the proposed algorithm needs O(2^n/2-g) memory,1≤ε≤n/4,and in O(ε(2^n/2)) time. The theoretic analysis and the computational experiments show that our proposed algorithm can solve the subset problem instances that can‘t be solved before ,thus it is an improved result over the past researches.