基于角度优化的鲁棒极端学习机算法

极端学习机因其学习速度快、泛化性能强等优点,在当今模式识别领域中已经成为了主流的研究方向;但是,由于该算法稳定性差,往往易受数据集中噪声的干扰,在实际应用中导致得到的分类效果不是很显著;因此,为了提高极端学习机分类的准确性,针对数据集样本中带有噪声和离群点问题,提出了一种基于角度优化的鲁棒极端学习机算法;该方法利用鲁棒激活函数角度优化的原则,首先降低了离群点对分类算法的影响,从而保持数据样本的全局结构信息,达到更好的去噪效果;其次,有效的避免隐层节点输出矩阵求解不准的问题,进一步增强极端学习机的泛化性能;通过应用在普遍图像数据库上的实验结果表明,这种提出的算法与其他算法相比具有更强的鲁棒性和较高的识别率。     

基于遗传算法优化神经网络的表面肌电信号识别

表面肌电信号是人体运动时肌肉、神经活动发出的生物电信号在体表的表现,目前已成为对多自由度假肢理想控制的信号源,BP神经网络在肌电信号源模式识别上被应用广泛,但存在如学习收敛速度慢、不能保证收敛到全局最优点等缺点,鉴于以上缺点设计了基于遗传算法的BP神经网络对肌电信号进行模式识别,较好的改善BP神经网络缺点,提高了识别的准确率。     

基于3D角度编码的量子遗传算法

为了充分利用量子态在算法中的量子特性,提高算法的搜索效率,减少存储空间,提出了一种基于3D角度编码的量子遗传算法。该算法将量子位描述为3D球面坐标下的一对相位角,充分利用了量子的空间运动特性,并引入一种自适应旋转角大小和方向的确定方案,从而进一步简化了染色体的更新和变异过程,而且使算法的量子特性、存储性能、时间性能都得到很大的提高。仿真结果表明,其在算法优化效率和搜索能力上都优于简单遗传算法和普通量子遗传算法。     

多滞后连续大系统的鲁棒稳定性分析与遗传算法的应用

本文给出了一种新的用于判定具有多滞后及系统参数扰动线性连续大系统钱棒稳定性的充分条件。同时基于遗传算法技术，给出了这个充分条件在实际工程应用中的实现算法。数字计算结果验证了该算法的可行性和有效性。     

基于并行遗传算法的图像超分辨率复原

图像超分辨率复原技术，提供了一种利用低分辨率像机获取高分辨率图像的可能途径。图像超分辨率复原有频域方法和空域方法两类：其中频域方法主要基于频谱解混叠；空域方法又分迭代反投影方法、凸集投影方法、Bayesian估计方法等。为了提高图像超分辨率复原的效率和提高复原图像的质量，提出了一种基于并行遗传算法的图像(序列)超分辨率复原的新框架方法，由于遗传算法采用实值编码方式，且基于岛模型的并行机制也有利于多帧图像信息的融合，因而使得算法直观和高效；同时提出采用其他超分辨率复原方法的迭代形式来充当遗传算法的变异算子，因为它能有效地利用已有方法的优点。最后，借用图像复原的客观评价指标来评价超分辨率复原算法的效果。实验证明，该方法有效可行。     

基于灾变遗传算法的超分辨率图像恢复

采用简单遗传算法进行超分辨率图像恢复时,往往由于种群多样性的不足而导致早熟收敛,得到的图像恢复质量不理想。针对该问题,提出了一种基于灾变遗传算法求解高分辨率图像最优估计的方法。在简单遗传算法的基础上,该算法以适应值方差作为灾变的判断条件,将共轭梯度算法作为灾变算子重新构建种群,从而增加了种群多样性。同时对灾变条件和灾变规模进行了分析,并且给出了根据进化代数自适应调节灾变条件的方法。仿真实验表明了该算法的有效性。     

角度编码染色体量子遗传算法

为了进一步减少QGA应用中的存储量,并提高其搜索效率,本文提出了一种新型角度编码染色体量子遗传算法.该算法基于量子比特在二维Hilbert空间上的极坐标表示,以角度编码染色体使原有量子染色体的基因位由复数对变成一个实数,存储量大大减少.同时,染色体的更新过程和基因位的变异过程都由矩阵与向量相乘简化成了角度加减,相应的染色体观察方式也由概率对比简化成了角度对比.这些措施的应用使算法在存储性能和时间性能上都有了极大的提高.实验结果表明,角度编码染色体量子遗传算法是一种十分有效的寻优算法,其性能较QGA有了明显的提高.     

基于多目标遗传算法的超光谱波段选择

超光谱波段图像的信息冗余量很大,可以通过波段选择的方式简化分析.以白血病血液样本的光谱数据为例,以最佳指数和协方差为选择依据,通过多目标遗传算法实现了超光谱的波段提取.为了验证该法的有效性,对多目标算法与单目标遗传算法进行了比较实验,结果表明NSGA的选择结果总体更优于单目标算法,从一定程度上说明了该算法在光谱提取上的...     

基于遗传算法的盲超分辨率图像的重建

针对盲超分辨率图像复原问题,提出了一种基于遗传算法的盲超分辨率图像重建方法。这种方法建立了一个由高分辨率图像和模糊项相关联的正则化函数,并利用遗传算法的全局寻优能力使得这个正则化函数最小化,从而由一组退化的低分辨率图像求得高分辨率图像,同时评估出导致模糊原因。仿真结果表明算法的可行性。     

基于超像素分割和S URF特征点的图像复制粘贴篡改检测

针对图像复制粘贴型篡改,提出一种基于超像素分割与快速鲁棒特征算法结合的方法.对图像进行SLIC(Simple Linear Iterative Clustering)超像素分割,提取图像的SURF(Speeded Up Robust Features)特征点与特征描述子;以块为单位结合k-d树与BBF(Best Bin...     

基于小生境遗传算法的分类优化方法

对于多分类问题,大多是经二分类器组合进行训练的,在分类类别多、特征维数高时,存在识别准确率不高和训练速度较慢的问题。将超球支持向量机应用到多类问题,为每个类建立一个超球体模型,通过多个超球体划分样本空间。采用改进的基于排挤的小生境遗传算法(improved crowding niche genetic algorithm,ICNGA)进行特征选择,为不同的目标类别寻找最优的特征子集,优化超球支持向量机的输入。利用UCI标准数据集的数值实验表明,在分类数据类别较多、特征维数较高时,经过ICNGA特征选择之后的多超球支持向量机的识别准确度更好,非常适合解决类别数多、特征维数高的分类问题。     

三维物体表面三角划分的遗传算法

提出了一种基于遗传算法的从给定平行截面线重建物体表面的方法。该算法利用了三维表面三角形划分和遗传算法的基本原理,使用多目标适应函数,能够进行多目标优化从而满足不同的要求,算法还采有了新交叉与变异算子－三维多边形交叉与三维四边形变异。     

基于改进遗传算法的多头贴片机的贴装工艺优化

贴片机是表面贴装系统中的重要设备,其装配工艺是整个系统生产效率提高的关键。本文旨在采用改进遗传算法对包含多个贴片头、多种类元器件的印刷电路板（PCB）进行贴装顺序优化。仿真结果表明该算法为贴装工艺提出一种性能较好、复杂度较低、易于实现的优化方案,缩短了PCB的装配时间。     

基于改进遗传算法的深度神经网络优化研究

深度前馈神经网络在分类和回归问题上得到了很好的应用,但网络性能极大程度上受到其结构和超参数影响.为了获得高性能的神经网络,首先对遗传算法的选择策略进行改进,之后利用该改进遗传算法,采用二进制编码与实数编码的混合编码策略对深度前馈神经网络层数、每层节点量以及学习率和权重进行优化.改进的选择策略,在最优保存策略的基础上从父...     

基于网络遗传算法的全局优化

本文在分析当前全局优化方法研究现状的基础上,提出了一种改进的遗传算法――网络遗传算法,应用简单实例说明了网络遗传算法的具体操作,同时应用大量数值实例证明了网络遗传算法解决全局优化问题的可行性、正确性、有效性。     

基于非支配排序遗传算法的多学科鲁棒协同优化方法

针对鲁棒协同优化(robust collaborative optimization,RCO)具有两级优化结构和多目标形式的特点,提出基于非支配排序遗传算法(non-dominated sorting geneuc algorithm,NSGA-Ⅱ)的RCO求解方法.在NSGA-Ⅱ非支配排序中,根据个体的不可行度和不可...     

贴片机喂料器分配的优化及其遗传算法求解

针对贴片机喂料器的分配问题,给出一个新的模型,在贴装顺序已知的前提下,以贴装整块电路板所花费的总时间作为优化目标.基于该模型给出一种遗传算法,以目标函数作为其评价函数.与贪婪分配算法相比较,所花费的代价平均减少了6.2%,从而验证了该方法的有效性.     

拉丁超立方体抽样遗传算法求解图的二划分问题

图的二划分问题是一个典型的NP-hard组合优化问题, 在许多领域都有重要应用. 近年来, 传统遗传算法等各种智能优化方法被引入到该问题的求解中来, 但效果不理想. 基于理想浓度模型的机理分析, 利用拉丁超立方体抽样的理论和方法, 对遗传算法中的交叉操作进行了重新设计, 并在分析图二划分问题特点的基础上, 结合局部搜索策略, 给出了一个解决图二划分问题的新的遗传算法, 称之为拉丁超立方体抽样遗传算法. 通过将该算法与简单遗传算法和佳点集遗传算法进行求解图二划分问题的仿真模拟比较, 可以看出新的算法提高了求解的质量、速度和精度.     

太赫兹梯度超表面综述

超表面,一种新颖的人工电磁材料,由于厚度可忽略不计,也称二维超材料。由于电磁波的电场或磁场与超表面亚波长单元结构的共振效应使其相位或幅度发生突变,从而经过超表面后出射波矢量场的叠加实现了对电磁波传播特性的调控。与三维超材料相比,超表面拥有损耗低、厚度薄、易于集成等优点,其巨大的应用潜力受到全世界研究人员的关注。太赫兹超表面器件在平面超透镜、涡旋光束、数字编码超表面、全息成像等显示了巨大的潜力和优势。从基本定律出发,总结了几种重要的超表面器件的调控原理和应用领域,并对未来超表面器件的实用价值和前进方向进行展望。     

基于自适应表面模型的概率视频跟踪算法

提出一种鲁棒自适应表面模型,该模型中每个像素值的变化过程由一混合高斯分布描述．为了适应目标表面的变化,这些高斯参数在跟踪期间通过在线的EM算法自适应更新;在估计目标状态时。采用了粒子滤波算法。设计了基于自适应表面模型的观测模型;在处理遮挡时,采用了一种鲁棒估计技术．多组试验结果表明,该算法对光照变化、姿态变化、部分或完全遮挡下的跟踪具有较强的鲁棒性．