基于QPSO的数据聚类

在KMeans聚类、PSO聚类、KMeans和PSO混合聚类（KPSO）的基础上,研究了基于量子行为的微粒群优化算法（QPSO）的数据聚类方法,并提出利用KMeans聚类的结果重新初始化粒子群,结合QPSO的聚类算法,即KQPSO。介绍了如何利用上述算法找到用户指定的聚类个数的聚类中心。聚类过程都是根据数据之间的Euclidean（欧几里得）距离。KMeans算法、PSO算法和QPSO算法的不同在于聚类中心向量的“进化”上。最后使用三个数据集比较了上面提到的五种聚类方法的性能,结果显示基于QPSO     

校园网络安全防范技术及应用

校园网络的安全防范不仅关系到网络的正常使用,同时也关系到学生与网络中非法信息的接触。本文通过对校园网络安全防范技术及其应用进行了介绍,让校园网络管理人员对安全防范知识进一步加以了解。     

快速相关跟踪算法的研究与实现

利用七阶不变矩对图像进行相关匹配,可以有效抑制几何失真的影响;在匹配的过程中对输入图像进行3层金字塔分解,在每一层上利用高效、并行的遗传算法进行匹配,搜索最优匹配点;实验结果表明该算法能够实时计算运动目标的位置,并且在目标发生缩放、旋转、光照等变化时仍能够长时间稳定跟踪目标.     

量子粒子群优化算法在训练支持向量机中的应用

训练支持向量机的本质问题就是求解二次规划问题，但对大规模的训练样本来说，求解二次规划问题困难很大。遗传算法和粒子群算法等智能搜索技术可以在较少的时间开销内给出问题的近似解。量子粒子群优化（QPSO）算法是在经典的微粒群算法的基础上所提出的一种有较高收敛性和稳定性的进化算法。将操作简单而收敛快速的QPSO算法运用于训练支持向量机，优化求解二次规划问题．为解决大规模的二次规划问题开辟了一条新的途径。     

基于改进粒子群算法的二维阈值图像分割

二维Otsu方法同时考虑了图像的灰度信息和像素间的空间邻域信息,是一种有效的图像分割方法。针对二维Otsu方法计算量大的特点,采用量子粒子群算法来搜索最优二维阈值向量, 每个粒子代表一个可行的二维阈值向量,通过各个粒子的飞行来获得最优阈值。结果表明,所提出的方法不仅能得到理想的分割结果,而且计算量大大减少,达到了快速分割的目的,便于二维Otsu方法的实时应用。     

使用新混合模糊聚类算法的模糊系统建模方法

为了进一步提高模糊系统建立模型的精度,提出一种新的模糊系统算法ANFIS-HC-QPSO：采用一种混合型模糊聚类算法来对模糊系统的输入空间进行划分,每一个聚类通过高斯函数的拟合产生一个隶属度函数,即完成ANFIS系统的前件参数--隶属度函数参数的初始识别,通过具有量子行为的粒子群算法QPSO与最小二乘法优化前件参数,直至达到停机条件,最终得到ANFIS的前件及后件参数,从而得到满意的模糊系统模型。实验表明,AN-FIS-HC-QPSO算法与传统算法相比,能在只需较少模糊规则的前提下就使模糊系统达到更高的精度。     

脉冲多普勒雷达中补零FFT与折叠FFT的性能比较

脉冲多普勒雷达中相干脉冲数经常不是2的整数幂,当进行FFT时需要尾部补零或脉冲折叠。本文推导了补零FFT与折叠FFT的解析关系,发现抽取前者的偶数号频点得到后者;计算了两种FFT的跨越损失,因为上述抽取关系,折叠FFT的跨越损失更大。另外,在统计意义上补零FFT的虚警数是折叠FFT的2倍,为使两者的虚警数相同,要求补零FFT的检测门限高于折叠FFT的检测门限。计算发现,两个门限仅相差0.16～0.32dB。     

一种基于自适应神经模糊推理系统的图像滤波方法

赤潮是常见海洋自然灾害之一。为了早期预测和预报赤潮的发生,开发了基于流式图像的赤潮监测仪器,它将流式细胞、显微成像以及图像处理技术结合起来,采用基于背景差的方法快速准确地分割出藻类图像;为了克服藻类细胞处于不同生长周期和环境带来的形态和个体差异的影响,提取具有平移、旋转和尺度不变性的几何形状特征与基于灰度共生矩阵的纹理特征,采用一对一的多分类支持向量机进行分类识别。实验结果表明,该算法实现对了海洋原甲藻、红色裸甲藻、拟菱形藻和中肋骨条藻的自动分类,平均识别准确率高达94.37%。     

一种二进制编码的量子粒子群优化算法

针对离散空间优化问题,给出二进制编码的量子粒子群优化（ＢＱＰＳＯ）算法的设计思路,重新定义粒子的位置矢量和粒子之间的距离,提出了ＢＱＰＳＯ 算法的进化方程．通过泛函分析的方法分析了ＢＱＰＳＯ 算法的收敛性,得出全局收敛的结论,并通过多个测试函数测试了ＢＱＰＳＯ 算法的性能．求解结果验证了算法的优越性．     

变分布的量子行为粒子群优化算法求解工程约束优化问题

针对工程形状设计领域中带有多个约束条件的非线性设计优化问题,提出了一种自适应的基于高斯分布的量子行为粒子群优化(AG-QPSO)算法。通过自适应地调整高斯分布,AG-QPSO算法能够在搜索的初始阶段有很强的全局搜索能力,随着搜索过程的进行,算法的局部搜索能力逐渐增强,从而满足了算法在搜索过程不同阶段的需要。为了验证算法的有效性,在压力容器和张弦设计问题这两个工程约束优化问题上进行50轮独立实验。实验结果表明,在满足所有约束条件的情况下,AG-QPSO算法在压力容器设计问题上取得了5890.9315的平均解和5885.3328的最优解,在张弦设计问题上取得了0.01096的平均解和0.01096的最优解,远优于标准粒子群优化(PSO)算法、具有量子行为的粒子群优化(QPSO)算法和高斯量子行为粒子群(G-QPSO)算法等现有的算法的结果,同时AG-QPSO算法取得的结果的方差较小,说明该算法具有很好的鲁棒性。