基于微分搜索的高光谱图像非线性解混算法

针对线性混合模型在实际高光谱图像解混过程中的局限性,提出一种新的基于微分搜索的非线性高光谱图像解混算法.在广义双线性模型的基础上采用重构误差作为解混的目标函数,将非线性解混问题转化为最优化问题.将目标函数中的待求参数映射为微分搜索过程中的位置变量,利用微分搜索算法对目标函数进行优化求解.在求解过程中,通过执行搜索范围控制等机制满足高光谱图像解混的约束要求,进而求得丰度系数和非线性参数,实现非线性高光谱图像解混.仿真数据和真实遥感数据实验结果表明,所提出的非线性解混算法可以有效克服线性模型下解混算法的局限性,避免了由于使用梯度类优化方法而易陷入局部收敛的问题,较之其它高光谱图像解混算法具有更好的解混精度.     

基于活跃集的支持向量机切平面法

切平面法作为求解非光滑凸优化问题的典型方法,在支持向量机问题的求解中得到了广泛的应用.但是该算法在求解过程中往往会出现不稳定的情况.针对这一不稳定性,前人提出了优化切平面法,通过在切平面法中加入线搜索环节来确保目标函数单调下降.但是优化切平面法的运算复杂度比较高,不适合训练数据量大、对训练速度要求高的应用.本文提出了一种基于活跃集的优化切平面法,在计算目标函数和进行线搜索时,只单独处理活跃集内的样本,将其它样本当作一个整体来进行处理.相对于传统的优化切平面法,本文方法只需在一部分样本上计算目标函数和进行线搜索,从而可以在不损失求解精度的前提下节省求解时间.     

基于P-B-P最优准则的网络检测算法

本文以有向拓扑结构的传感器网络为背景,通过分析在全局贝叶斯风险最小准则下已建立的集中式和近似分散式两种决策方法各自优势与不足,并考虑到现有的队决策方法求解决策过程中存在着局限性,结合贝叶斯公式和相关图模型理论等,建立了在P-B-P最优准则下针对此类网络的新决策方法.该方法分为在线计算和离线计算两部分,前者主要任务是基于在线测量值获得类条件概率密度;后者主要任务是如何求取用于计算阈值所需的参数,参数的计算过程分别是由正序传递似然函数消息和逆序接收代价函数消息两部分组成.同时,还分析了新方法在调节集中式和近似分散式两种决策方法的计算量和能耗之间矛盾的能力,而其优点也通过计算机仿真结果进行了验证.     

基于程序切片和BiGRU的代码搜索

代码复用可以有效缩短软件开发的时间,而代码搜索是代码复用的主要途径.提出了一种基于程序切片和BiGRU的代码搜索方法,该方法通过构建源代码的程序依赖图,以程序依赖图中出度最大的节点作为兴趣点构建前向切片.将程序切片与源代码的其他相关特征一起构成代码特征.把代码特征和代码的功能描述通过嵌入模块输入到BiGRU网络中,结合注意力机制训练BiGRU模型.用户输入功能查询语句,模型返回向量值最接近的代码.为了验证该模型的可行性和有效性,从开源代码库下载了Java项目,构建了数据集并进行实验.实验结果表明,提出的基于程序切片和BiGRU的方法在代码搜索的准确率和相关性排名等方面都有所改进.     

半解析/半数值OLED器件黑点扩散模型的Matlab分析计算

介绍了求解OLED器件黑点扩散模型的一种半解析/半数值计算方法.该方法综合利用Matlab提供的求解常微分方程、矩阵行列式、数值积分等函数,可使模型分析计算的工作量大为减少.给出了杂质浓度的计算公式,对于其中涉及的积分方程,基于数值逼近原理,采用多项式拟合函数近似求解.该方法具有编程简单、使用方便、实用性强等特点.     

基于循环互相关的二维波达方向估计方法

本文在简化传感器阵列基础上,建立了基于循环互相关的阵列信号模型,并根据该模型,运用波达方向矩阵法提出了一种新的循环平稳源信号二维DOA估计方法.通过利用循环互相关函数建立信号处理模型,使得该方法在继承了一般循环平稳DOA估计方法所具有的优点之外,还具有更好的抑制噪声能力,同时,此方法不仅对窄带信号适用,对宽带信号也同样适用.此外,该方法不需谱峰搜索和二维角度参数配对,具有计算复杂度低的优点.理论分析和仿真结果均说明,本文方法具有较好的噪声抑制能力和信号选择能力.     

基于几何分析的支持向量机推广能力推测模型

利用支持向量机分类器中支持向量分布的几何意义,构造了一种新的与样本分布相关的推广能力预测模型,该模型充分利用了支持向量分布的先验信息,它与统计学习理论中推广能力准则具有一致的几何意义.首先利用支持向量分布的几何意义出发从海量样本中选择有效边界向量代替原有训练样本,然后在有效边界向量中分别计算最小包含半径和最大分类间隔.它不需要求解二次规划就可以得到与训练样本相关的推广能力计算模型,计算量较低.本文最后的最优核函数、核参数选择仿真实验结果表明本文提出的基于几何分析的支持向量机推广能力推测模型的合理性与高效性, 该模型对于解决支持向量机中最优核函数、核参数选择具有重要意义.     

基于耦合梯度神经网络的光学层析图像重建

为克服光学层析图像重建的病态性,通常在重建过程中加入先验信息.本文采用含有二值线过程的Gibbs分布作为图像的先验模型,该模型具有保留清晰边缘的全局平滑特性.由于重建目标函数是连续变量和二值离散变量的混合体,常规的优化算法无法实现.为此,提出了一种基于耦合梯度神经网络的优化方法.优化过程中,能量函数关于光学参数的梯度计算是关键,本文提出一种基于梯度树的梯度求解方法.对吸收系数和散射系数的重建结果表明:该方法可高效地重建光学层析图像;线过程的引入可以改善重建的病态特性,提高图像的重建质量.     

一种新的混沌神经网络及其应用

提出了一种新的混沌神经元模型,该神经元的激励函数由Gauss和Sigmoid两种函数加和组成的非单调函数构成.通过分岔图及Lyapunov指数的计算,分析了其动力学特性.基于该模型,构造了一种新的具有暂态混沌特性的神经网络,该网络在寻优过程中同时衰减两种退火机制实现混沌退火.通过将特征点匹配问题转化为优化问题,该网络可以实现对目标识别问题的求解.仿真实验验证了该算法的有用性和有效性.     

参数法P3P模型在视觉坐标测量中的应用

P3P问题的求解是视觉坐标测量系统建模的数学理论基础,传统上利用通用余弦定理和正弦定理求解.为快速精确地求取控制点三维坐标,提出一种利用参数法求解P3P模型解析解的计算方法,并将该模型应用到视觉坐标测量过程中,通过精确求解共线三控制点在摄像机坐标系下的坐标.进而求出与其位置关系已知的被测点三维坐标.介绍了该测量系统的结构、测量原理、计算模型、实验过程以及实验结果,并与传统的利用通用余弦求解模型的计算结果进行了比较,说明本计算方法不仅简单直观,而且精度较高,非常适合应用在视觉坐标测量过程中.     

优化工具在网优工作中的运用

一、GSM数据统计分析工具 随着网络规模的日益增大,日常的网络优化工作越来越重要。我们每时每刻都需要及时地跟踪网络整体运行性能,了解各项指标的走势,对出现问题的小区进行处理,针对TOPN小区进行优化。这些内容涉及到的数据都比较分散,有需要从亿阳网管上下载的,有需要从7200数据中获取的,对于综合分析网络性能比较麻烦。     

利用SIMULINK和优化工具箱实现PID参数优化

主要讨论了PID控制器参数优化问题。通过利用系统仿真模块与优化目标函数模块的结合，建立了SIMULINK模型，并利用优化工具箱方便地实现PID参数优化，从而提出了一种实现PID参数优化的新方法。仿真实验结果表明该方法简单、效果理想并且可靠性高。     

Design and Optimization of Nonlinear Tapers using Particle Swarm Optimization

In this paper the design and optimization of a nonlinear diameter taper, connecting the output section of a gyrotron cavity to the uniform output waveguide section, is presented. The design of a nonlinear taper of a 42 GHz, 200 kW CW gyrotron operating in the TE_0,3 cavity mode with axial output collection has been taken as a case study. The taper synthesis has been carried out considering a raised cosine type of nonlinear taper and the analysis is done using a dedicated scattering matrix code. In addition, an improved particle swarm optimization - an evolutionary optimization - algorithm is used for the design optimization of this nonlinear taper. The optimum design of the taper shows the effectiveness of the presented method.     

FM-DCSK UWB接收机优化

基于搜索者优化算法（SOA,Seeker Optimization Algorithm）,首次将启发式搜索优化的理念引入到调频差分混沌键控超宽带接收机的积分时间最优化问题中。分析了积分时间对系统性能的影响,在IEEE 802.15.4a室内信道下得到给定信噪比的最优积分时间及其分布,同时也给出了最优积分时间并随信噪比变化的趋势。仿真结果表明,采用SOA较之传统方法更能高效地找到最优值。结论给该系统实现中的参数选择提供了有力依据,新理念的引入也将对难以用闭合数学模型表示的系统优化提供有益指导。     

Optimization of Fiber Bragg Gratings Using a Hybrid Optimization Algorithm

A new hybrid optimization algorithm is proposed for the design of a fiber Bragg grating (FBG) with complex characteristics. The hybrid algorithm is a two-tier search that employs a global optimization algorithm (i.e., the staged continuous tabu search (SCTS) algorithm) and a local optimization method (i.e., the quasi-Newton method). First, the SCTS global optimization algorithm is used to find a "promising" FBG structure that has a spectral response as close as possible to the targeted spectral response. Then, a local optimization method, namely, the quasi- Newton method, is applied to further optimize the promising FBG structure obtained from the SCTS algorithm to arrive at a targeted spectral response. To demonstrate the effectiveness of the method, the design and fabrication of an optical bandpass filter are presented.     

基于生物地理学算法的稀疏平面阵列优化

天线阵列的相对旁瓣电平和阵元位置为非线性关系。对于非线性关系求最优值问题,用其他优化算法较难求解,而研究采用智能算法求解是一条值得探索的可行路径。提出了一种混合智能算法——改进生物地理学算法,即对生物地理学算法的迁移算子和变异算子进行改进,以提高种群的进化速率,进而优化对称和非对称稀疏平面阵列。仿真结果表明,与以往的算法相比,该算法提高了优化速率,降低阵列的相对旁瓣电平;阵元在阵列孔径内非对称分布比对称分布,所获得的旁瓣电平更低。     

An Improved Grasshopper Optimization Algorithm for Global Optimization

We proposes an improved grasshopper algorithm for global optimization problems. Grasshopper optimization algorithm (GOA) is a recently proposed meta-heuristic algorithm inspired by the swarming behav-ior of grasshoppers. The original GOA has some drawbacks, such as slow convergence speed, easily falling into local optimum, and so on. To overcome these shortcomings, we proposes a grasshopper optimization algorithm based on a logistic Chaos maps opposition-based learning strategy and cloud model inertia weight (CCGOA). CCGOA is divided into three stages. The chaos opposition learning initialization strategy is used to initialize the population, so that the population can be evenly distributed in the feasible solution space as much as possible, so as to improve the uniformity and diversity of the initial population distribution of the grasshopper algorithm. The inertia weight cloud model is introduced into the grasshopper algorithm, and different inertia weight strategies are used to adjust the convergence speed of the algorithm. Based on the principle of chaotic logistic maps, local depth search is carried out to reduce the probability of falling into local optimum. Fourteen benchmark functions and an engineering example are used for simulation verification. Experimental results show that the proposed CCGOA algorithm has superior performance in determining the optimal solution of the test function problem.     

一种解决约束优化问题的模糊粒子群算法

该文针对复杂约束优化问题,提出了一种模糊粒子群算法(FPSO),设计了一个新的扰动算子,在此基础上定义了模糊个体极值和模糊全局极值,利用这两个定义改进了粒子群进化的方程,利用该方程更新粒子的速度与位置,可以避免早熟收敛问题;定义了不可行度阈值,利用此定义给出了新的粒子比较准则,该准则可以保留一部分性能较优的不可行解微粒。用概率论的有关知识证明了算法的收敛性。仿真结果表明,对于复杂约束优化问题,算法寻优性能优良,特别是对于超高维约束优化问题,该算法获得了更高精度的解。     

基于粒子群算法的PID控制器参数优化

粒子群算法是一种智能算法,在PID控制器参数整定的应用中可取得更优的效果。为解决传统的粒子群算法早熟收敛和收敛速度慢的缺点,文中采用了一种基于相似度动态调整惯性权重的方法,即越靠近目前最优粒子的个体被赋予越小的惯性权重值。最后用MATLAB对等温连续搅拌釜反应器仿真。与标准的PSO算法整定方法相比,改进的粒子群算法稳定时间为230.1 s,比传统粒子群算法524.7 s的稳定时间缩小了一半,表明改进的算法对PID控制器的参数优化有着较优的收敛效果。     

基于三值多样性粒子群算法的MPRM电路综合优化

通过对离散三值粒子群算法的研究,提出一种三值多样性粒子群算法以求解MPRM（Mixed-Polarity Reed-Muller,MPRM）电路综合优化问题.首先根据混合极性XNOR/OR展开式的特点和几率换算法则,推导出三值粒子群算法的运动方程,在此基础上,采用广泛学习策略和三值变异操作进行算法改进;然后建立三值多样性粒子群算法的粒子与MPRM电路极性的参数映射关系,结合估计模型和XNOR/OR电路混合极性转换方法,将所提算法应用于MPRM电路的最佳功耗和面积极性搜索;最后对10个PLA格式MCNC Benchmark电路进行测试.结果表明：与已发表的方法相比,该文的优化算法表现出了总体显著性的性能优势.