思维进化蝙蝠算法及其在混合气体红外光谱特征选择中的应用

为了解决混合气体多组分间特征吸收峰相互重叠引起的特征选择困难问题,提出了新型红外光谱特征选择方法,并对该方法的性能进行了分析与评价.首先,充分结合思维进化计算的并行机制、异化操作与蝙蝠算法的局部搜索能力,设计了思维进化蝙蝠算法.接着,通过实验采集两个混合气体数据库,利用思维进化蝙蝠算法对其目标组分的特征峰进行筛选.然后,从算法的收敛速度和筛选出的特征峰两个方面,将思维进化蝙蝠算法与基本蝙蝠算法、遗传算法、粒子群优化算法及并行萤火虫群优化算法等进行比较.最后,讨论了思维进化蝙蝠算法与无信息变量消除法相结合对结果的影响.实验结果表明:CO的特征峰范围包括2 090~2 110 cm-1和2 115~2 125 cm-1,共包含32个波长点;N2O的特征峰范围为2 225~2 250 cm-1,共包含26个波长点.利用筛选出的特征波长点建立的浓度反演模型,测试集均方根误差为0.155,决定系数可达0.908.实验结果表明:思维进化蝙蝠算法收敛速度快、全局搜索能力强,适用于存在重叠特征峰的混合气体的特征选择,对应的浓度反演模型的泛化性能也有显著提升.     

基于改进斑点鬣狗优化算法的红外图像分割

针对斑点鬣狗优化算法（spotted hyena optimizer,SHO）容易陷入局部最优解、求解质量低等缺点,本文提出使用Lévy飞行和单纯形搜索算法改进SHO（spotted hyena optimizer based on simplex method and Lévy flight, Lévy_SM_SHO）。将Lévy_SM_SHO与Lévy飞行斑点鬣狗优化算法（spotted hyena optimizer based on Lévy flight, Lévy_SHO）、单纯形搜索斑点鬣狗优化算法（spotted hyena optimizer based on simplex method, SM_SHO）和SHO在测试函数上结果进行对比,实验证明改进算法能够取得较好的优化结果。并将Lévy_SM_SHO算法用于红外图像阈值分割问题,通过与粒子群算法（particle swarm optimization, PSO）分割结果对比,证明Lévy_SM_SHO算法能够取得较好的阈值分割结果。     

一种基于蝙蝠算法的新型小波红外光谱去噪方法

针对传统的小波去噪方法容易产生信号振荡和丢失特征信息等问题,提出了一种基于蝙蝠算法的新的有效的红外光谱去噪方法。该方法创新性地运用蝙蝠算法优化了小波阈值和估计因子。其基本思想是,首先在解空间中随机生成一定规模的个体,然后根据向当前最优个体学习的方法进行速度更新,从而实现位置更新;同时,由于Levy飞行搜索策略会产生较大跳跃,利用这种不均匀、随机游走的特性可以实现对整个解空间的搜索,从而避免陷入局部极值点。CO气体红外光谱去噪实验的结果表明,利用蝙蝠算法对各个分解层的阈值和估计因子进行优化后,信噪比为84.184,均方误差为0.0006。由于更有针对性地保留了光谱信号中的特征信息并剔除了无用的噪声信息,该方法可以提高后续定性和定量分析的精度。     

结合显著性检测及改进大津算法的紫外图像分割

提高电气设备紫外图像分割精确度对设备放电程度的准确评估具有重要意义。用紫外成像仪拍摄电气设备放电图像时,由于拍摄背景的复杂性,一般的图像分割方法并不能快速准确地分割紫外放电区域,因此提出一种结合显著性检测及改进大津算法的紫外图像分割模型。首先,对紫外图像进行显著性检测,使得故障区域突出,提升分割准确性;其次,利用基于Lévy飞行特征的蝙蝠算法对大津算法进行改进后对图像进行分割,以达到快速分割图像的目的。实验结果表明,改进的大津算法在紫外图像分割效果上明显优于大津算法,且计算速度也有所提升。     

基于茶叶红外光谱的特征识别方法

通过对识别理论的研究分析,建立了特征基理论,选择合适样品建立的光谱特征基,能反映样品的综合特征信息,从而对多组分物质进行识别研究;以茶叶样品为分析对象,进行了特征基理论的应用研究,实现了对重度发酵茶和普洱熟茶的识别;以普洱熟茶识别为例,通过比较特征提取前后茶叶的识别效果,分析了光谱分辨率问题,结果显示:特征提取后茶叶类内平均距离减小为原来的2×10-3倍,类间相对平均距离增大为原来的4~66倍,类间最小最大距离比值增大为原来的34~156倍,所以类内聚集度增大,类间分散度增大,即特征基理论使光谱分辨率大幅度提高.     

基于Powell机制的改进蝙蝠算法

提出了一种基于powell机制的改进蝙蝠算法(POBA).从而提高编蝠算法的局部搜索能力,避免种群个体陷入局部最优,增强算法全局寻优能力.在MATLAB环境下,运用5个标准测试函数进行实验仿真,结果表明,与BA算法相比,POBA算法的收敛速度及精度均有明显提高.     

基于遗传交叉因子的蝙蝠算法的改进

蝙蝠算法(BA)是一类新型的搜索全局最优解的随机优化算法,但是标准的蝙蝠算法存在着寻优精度不高、后期收敛速度慢、易陷入局部最优等问题。针对这些问题,提出了一种基于遗传交叉因子的改进的蝙蝠算法(GHBA),从而提高蝙蝠算法的多样性,避免种群个体陷入局部最优,增强算法全局寻优能力。在MATLAB环境下,运用6个标准测试函数进行实验仿真。结果表明,与BA算法相比,该算法(GHBA)的收敛速度及精度均有明显提高。     

利用基于红外光谱成像的光谱特征匹配法显现被掩盖字迹

提出了一种用于显现被碳素墨水掩盖的字迹的光学方法,为查明案情提供了技术支撑。利用红外成像光谱仪采集了被碳素墨水掩盖字迹的光谱影像集,并运用光谱特征匹配法对光谱影像集进行了分析和处理,较清晰地显现了被碳素墨水掩盖的字迹。实验结果表明,基于红外光谱成像的光谱特征匹配法是显现被碳素墨水掩盖字迹的有效光学方法。     

基于Lévy飞行的自适应差分进化算法

针对目前差分进化算法存在全局搜索与局部寻优的矛盾、搜索停滞、收敛速度慢的问题,提出一种改进算法:基于Lévy飞行的自适应差分进化算法。该算法鉴于Lévy飞行步长符合重尾分布的特点,在变异过程中结合差分进化算法的基本变异和Lévy飞行变异两种模式,并通过引入自适应缩放因子和交叉概率算子,改善种群在交叉与变异过程中的不足。通过理论分析与Benchmark函数的数值验证,并与其他6种算法进行比较。结果表明,所提新算法能够在全局搜索与局部寻优之间进行较好的平衡,而且收敛速度更快,种群多样性得到了很好的保存,一定程度上避免了搜索停滞的出现。     

基于多目标蝙蝠优化的高光谱图像解混算法

由于高光谱图像的丰度特性,盲源分离算法 不能直接用于高光谱图像解混。同时,在解混过程中用 梯度算法对目标函数进行优化时易陷入局部最优。为此,本文提出了一种基于多目标蝙蝠优 化算法的高光谱图 像解混算法。该算法将高光谱图像模型中存在的丰度非负约束及丰度和 为一约束作为解混的两个目标函数, 将解混问题转化为对目标函数的优化问题,同时引入多目标蝙蝠优化算法来求解,从而实现高光谱图像解 混。实验结果表明,本文算法能有效解决上述问题,并且当改变图像的信噪比 、像元纯度和像素数时,观察光 谱角距离与均方根误差值的变化情况,与其它解混算 法相比,本文算法具有更高的解混精度和很好的抗噪性,在像元纯度很低的情况下也有很好 的性能。     

Feature selection algorithm based on XGBoost

Feature selection in classification has always been an important but difficult problem.This kind of problem requires that feature selection algorithms can not only help classifiers to improve the classification accuracy,but also reduce the redundant features as much as possible.Therefore,in order to solve feature selection in the classification problems better,a new wrapped feature selection algorithm XGBSFS was proposed.The thought process of building trees in XGBoost was used for reference,and the importance of features from three importance metrics was measured to avoid the limitation of single importance metric.Then the improved sequential floating forward selection (ISFFS) was applied to search the feature subset so that it had high quality.Compared with the experimental results of eight datasets in UCI,the proposed algorithm has good performance.     

一种基于码谱数值算法的改进算法

码谱是一种分析分布式算术码的编码性能和解码复杂度的工具,能有效提高编码性能。码谱的计算一般采用数值算法,该方法是一个迭代计算的过程,时间复杂度很高。针对时间复杂度高这个问题,通过去掉多余的函数精简数值算法,提出一种基于码谱数值算法的改进算法,进而降低时间复杂度。从理论上证明改进数值算法的正确性,实验结果表明,改进后的数值算法能有效提高码谱的计算效率,拓宽码谱的实际应用范围。     

基于改进人工鱼群算法的协作频谱感知用户选择策略

选择次用户是协作频谱感知的一个关键环节。针对次用户选择问题的特点,在基本人工鱼群算法AFSA基础上,通过取消鱼群密度、取消人工鱼的随机游动、改变公告板记录规则、保留每次迭代最优位置、增加最优人工鱼的觅食次数并缩小视野提出改进的人工鱼群算法次用户选择策略。仿真结果表明,对于最优次用户组选择问题,本文提出的修正AFSA在寻优成功率和运行时间等方面优于传统的AFSA。     

基于改进Mean-Shift 算法的红外小目标跟踪

复杂背景下的红外小目标跟踪在目标跟踪领域一直是重要的研究方向。由于小目标体量小、 机动性大,而红外图像大多受到严重的背景噪声和热噪声影响,使得针对红外小目标的跟踪大多出错率高,鲁棒性不强。针对红外小目标的跟踪,提出了一种改进的Mean-Shift 算法。结合图像的统计特性,提出了一种自适应非线性算法对图像进行处理;同时融合了图像的梯度直方图对目标进行描述。实验通过对高强度噪声和高遮挡环境下视频目标进行跟踪,比较了传统Mean-Shift 算法和改进后算法的跟踪效果,结果显示文中提出的改进算法不但可以有效地跟踪目标,而且大幅降低了跟踪窗口与目标之间的相对抖动,增强了跟踪算法的鲁棒性。     

改进蝙蝠算法优化极限学习机的图像分类

针对分类器中的极限学习机参数优化问题,本文提出一种改进蝙蝠算法优化极限学习机的图像分类模型。首先将极限学习机参数看作蝙蝠位置,然后采用改进蝙蝠算法进行求解。采用病毒群体感染主群体,主群体在历代个体间纵向传递信息,病毒群体通过感染操作在同代个体间横向传递信息,增强了算法跳出局部极小值的能力。最后根据最优参数建立图像分类模型,并对模型的性能进行仿真测试。仿真结果表明,相对于对比模型,本文模型不仅提高了图像分类正确率,而且加快了分类速度,是一种有效的图像分类模型。     

一种改进的麻雀搜索天线选择算法

为解决麻雀搜索算法在多输入多输出(Multiple-Input Multiple-Output, MIMO)系统中进行天线选择时,存在过早收敛导致系统容量非最优的问题,提出了一种改进的麻雀搜索天线选择算法。该算法首先结合0-1规划推导出信道容量函数,将其作为适应度函数。在天线选择子集寻优过程中,通过引入自适应变异,有效增加了个体变化的多样性。最后将禁忌搜索算法融入到算法中,并加速算法收敛。仿真结果表明,改进的麻雀搜索天线选择算法能够有效降低MIMO系统进行天线选择时的运算复杂度,在保证收敛速度的同时,最终得到的系统信道容量趋近于最优算法。     

基于改进双向扩散滤波的红外背景抑制算法

针对复杂背景下红外弱小目标图像背景抑制难题,提出了一种基于曲面拟合的双向扩散滤波红外背景抑制新算法。采用高斯Facet模型拟合邻域图像曲面,采用综合方向导数梯度(IDDG)算子描述拟合图像的灰度特征,进而对双向扩散滤波进行改进,并将其与IDDG算子相结合,发展出了具有解析形式的改进的双向扩散滤波算法,给出了该算法关键参数的自适应选取方法。与传统的背景抑制算法相比,本文算法对图像灰度特征的描述更准确,并能据此在前向扩散和后向扩散之间自适应地切换,从而实现了在抑制背景杂波的同时增强目标能量,且能够克服传统算法处理椒盐噪声方面的缺陷。理论分析与仿真实验表明,本文算法对包含强纹理结构的复杂背景杂波具有良好的抑制作用和稳健的适应作用,对于信噪比为0.8的图像,可获得21.6的信噪比增益。     

一种基于随机森林的改进特征筛选算法

肝癌是一种我国高发的消化系统恶性肿瘤,患者死亡率高,威胁极大。而其预后情况通常只能通过医生的专业知识和经验积累来粗略判断,准确率较差。因此文中在分析随机森林算法的基本原理的基础上,提出一种改进的基于随机森林的特征筛选算法,并应用Python编程设计了一个能够预处理数据、调用这些算法、控制各参数并展现测试结果的系统,最终将该系统应用于肝癌预后预测,比较分析了不同的算法、参数、内部策略对预测精度和计算性能的影响。研究结果表明,随机森林相比剪枝过的决策树具备更好的泛化能力和训练速度,改进的特征筛选算法能够在保证预测精度的前提下显著缩小特征集。