全局优化的蝴蝶优化算法

针对基本蝴蝶优化算法中存在的易陷入局部最优值、收敛速度慢等问题,提出一种全局优化的蝴蝶算法,引入limit阈值来限定蝴蝶优化算法陷入局部最优解的次数,从而改变算法易陷入早熟的问题,结合单纯形策略优化迭代后期位置较差的蝴蝶使种群能够较快地找到全局最优解;将正弦余弦算法作为局部算子融入BOA中,改善迭代后期种群多样性下降的缺陷,加快算法跳出局部最优。在仿真模拟实验中与多个算法进行对比,结果表明改进算法的寻优性能更好。     

Effects of expanding zone parameters of vacuum dust suction mouth on flow simulation results

Based on the parametric analysis of the expanding zone of the vacuum dust suction mouth, the flow in the vacuum dust suction mouth was simulated by computational fluid dynamics （CFD） software, Fluent. The effects of the expanding zone parameters on flow simulation were analyzed. The results show that simulation effects depend on threshold values of the expanding zone parameters of the dust suction mouth, and the threshold values of the expanding zone can be obtained according to the different structures of the vacuum dust suction mouth and be selected as the geometric parameters in calculating, and also corners of the expanding zone make unobvious difference in calculation accuracy and in computational efficiency compared with no corner. The simulation results provide practical guidance to the flow simulation on the dust suction mouth.     

基于双线性对的门限代理盲多重签名方案 *

该方案是门限代理多重签名与盲签名的有机集成 ,既解决了代理签名方案中代理签名人权利过于集中的问题 ,又通过盲签名实现了签名的匿名性和不可追踪性。在该数字签名方案的基础上 ,采用双线性对的签名和验证方式 ,提出了基于双线性对的门限代理盲多重签名方案 ,极大地提高了门限代理盲多重签名的安全性和实现速度。     

半监督空间化竞争聚集算法及其在图像分割中的应用

经典竞争聚集( CA)算法在聚类时对于样本中的少量已知信息没有加以利用,但这些信息往往需要应用到整个聚类过程中。此外,在相似度度量函数的选择上CA算法使用常见的欧氏距离,然而欧氏距离仅适用于团状数据,制约了算法的应用范围。针对上述问题,通过引入具备半监督学习能力的半监督项对隶属度矩阵进行增强,利用聚类中心和中心邻近的点组成空间,把样本点与该空间的距离替代欧氏距离作为新的相似度度量标准,并给出判断聚类中心能否合并的阈值参数,最终得到半监督空间化CA算法。通过在人造图像和真实图像上的分割结果表明,该算法能够更准确地获取聚类类别数以及更好的聚类效果。     

基于权重阈值寻优的案例推理分类器特征约简

为提高案例推(case-based reasoning,CBR)分类器的分类准确率并降低时间复杂度,本文提出了一种基于权重阈值寻优的特征约简策略.首先通过基于数据驱动的方法对特征权重进行分配,得到每个特征的权重结果;其次,设计特征权重重要度阈值的适应度函数,并利用遗传算法对该重要度阈值进行优化搜索,最后根据得到的优化阈值与特征的权重分配情况,删除权重小于该阈值的特征从而完成特征的约简过程.通过对比实验,本文所提策略能够有效提高CBR分类器的分类准确率并降低时间复杂度,表明了权重阈值寻优约简策略的可行性与优越性.验证了本文方法不仅可以降低CBR分类器的时间复杂度,而且能够提高CBR的决策与学习能力.     

组合定位中选星算法的改进研究

在多个系统组合定位模式下,可视星数量大幅增加,为更精准稳定的定位提供了可能.在现有选星算法中,由于未考虑实际作业中的一些问题,如:障碍物对卫星信号传播路径的遮挡等,估算得到的较好卫星选取方式在实际定位中无法正常发挥作用,同时在接收机内部计算中会应用大量的矩阵求逆运算,增加了计算量,占用了较多的系统资源.提出了基于可视星仰角来初筛卫星,通过GDOP结合星座四面体法得到选星组合的方法.讨论了设定卫星仰角时的取舍问题.新算法在理想情况和实际情况下寻找有效定位平衡点,以规避无效选星并减少计算量.     

基于优化通信质量的PEGASIS协议改进算法

在传统的PEGASIS（power efficient gathering in sensor information system）协议基础上,提出一种可优化全网通信质量的改进算法。新算法在链头生成阶段借鉴了蚁群相遇算法原理,采用双链头成链方法进行数据传输,大大缩短了单链路网络的通信时延;在拓扑成链的过程中引入距离阈值作为限定权重,进而计算出基于能耗均衡与通信质量的最优路径。实验结果表明,该算法有效地优化了整体网络的通信质量。     

一种动态窗口PCA运动方向估计算法

首先针对个人航位推算系统中计步算法的阈值设定问题,提出了一种基于有限状态机的阈值自学习算法.通过该算法可以在较短的时间内(10s)获得自适应阈值,提高计步算法的准确性.然后在利用该阈值进行计步的同时,对连续步态进行分割,并以分割结果作为动态窗口进行主成分分析,可以获取目标运动的方向.此外,通过利用运动步态模型中加速度变化的规律可以有效解决180°模糊问题.实验分析结果表明,相比于固定窗口的 PCA 分析方法,基于动态窗口的 PCA 在数据处理量降低61.2%的情况下,其准确度提高了11.1%.     

基于自适应阈值和区域生长的SD-OCT糖网图像亮斑分割

硬性渗出是糖尿病性视网膜病变的一个比较显著的症状,频域光学相干断层视网膜图像中的高信号亮斑与渗出有着密切的联系。为了研究渗出与病变的关系,有必要找到一种提取亮斑的方法。但是,目前关于糖网图像亮斑提取的研究还非常少。首先运用层分割算法限制亮斑所在区域,然后采用自适应阈值法确定种子集合,最后使用基于人类视觉特性的区域生长方法提取出亮斑。实验结果表明,本方法可以较准确地分割出糖网图像中的亮斑。     

基于改进SUSAN算法的移动车辆检测

针对复杂行车环境下智能车辆行车安全问题,提出了一种基于改进 Susan 边缘检测算法提取车辆边界特征。首先介绍了SUSAN边缘检测算子的原理,然后提出改进的SUSAN算法,即对待检测像素粗略提取,采用一种自适应选取阈值的方法对候选边缘点检测提取边缘。实验表明,算法能在复杂图像中识别前方车辆,有较高的准确度。