结合视觉感知与信息量的视点评分方法

随着数字3D内容的不断丰富,对其进行有效展示和索引的需求变得十分迫切,而通过视点评分选择合适的观察视点对解决这一问题具有重要的作用.针对传统的视点评分方法计算时间冗长、结果很难符合人类观察习惯的问题,提出一种基于视觉感知信息量的快速视点评分方法.首先计算相对简单的平均曲率作为代表3D物体视觉特征的要素,随后结合信息熵理论对视点进行评分,使那些能看到尽可能多重要特征且所见特征分布较广的视点分数较高;之后,将这种评分策略应用于最优视点集计算中,利用信息理论对视点集获取信息进行量化,确保利用最少数目的视点有效地认知3D物体.实验结果表明,该方法得到的视点分数及最优视点集质量与目前最好的方法相当,但计算速度更快,无需人工交互.     

最优培养基配比方案的数学建模与求解

通过对实验数据的分析,用拟合和逐步回归的方法建立了最优配比方案的数学模型并进行了求解,所得结果与实验数据基本吻合,具有合理性。     

基于可控电抗器的单调谐滤波器的两种控制方法比较

可控电抗器作为电力设备中常用的一种非线性装置,其控制方式直接影响设备的整体性能.本文从可控电抗器的控制特性出发,阐述了基于可控电抗器的单调谐滤波器的两种控制方法,即相位跟踪控制法和自寻最优控制法.比较了两种方法在110V工作电压下的控制效果及各自的应用环境.     

一种公交网络最优路径新算法*

从出行者的实际情况出发,提出步行愿望系数,综合考虑最小换乘次数、最短时间以及最小费用等因素,提出了一种公交网络最优路径新算法,应用于广州市大学城内公交线路查询,实现相应的仿真系统。     

基于约束满足的多目标双足机器人动态步态参数优化*

目前的步态优化算法仅仅实现了对单一目标的优化,把双足机器人步态优化看做是多目标优化问题,构建了衡量稳定性、能量消耗、步行速度三个目标评价函数。考虑到直接对多个目标加权求和的方法不能很好地处理多目标问题,提出一种新的基于约束满足的多目标步态参数优化算法,其思想是把基于惩罚函数的SPEA2(strength Pareto evolutionary algorithm2 )应用到多目标双足机器人动态步态参数优化问题上,规划出了同时满足这三个目标的动态优化步态。通过仿真实验表明了算法的有效性。     

校园卡充值点最优位置的数学模型研究

选址问题目前学术界已有较多的研究成果,但大多数是将总费用作为目标函数,一般要求事先给出网络结点的位置坐标,且无需考虑结点间的最短路程,旨在确定新的地理几何中心。而对已有网络,在不改变原有路径及各结点位置的条件下,以总路程最小为目标函数,在现有网络结点中寻找其中某些结点的最优位置却是一个新的研究课题。本文以某高校校园卡充值点为例,将校园示意图转化为赋权连通图,求得该连通图的邻接矩阵,利用Floyd算法及图论软件包构造一个最短路径矩阵,得到一个赋权完全图,利用穷举法或混合整数规划法及数学软件求解,得到各学院、楼栋、学生宿舍区到三个校园卡充值点的最短总路程及三个校园卡充值点的最优位置。     

同时考虑发电费用与网络损耗的多目标有功最优潮流

在对传统的单纯以发电费用最少和网络损耗最小为目标的单目标最优潮流分析的基础上,利用权重系数将两者有机结合,建立了多目标的有功最优潮流模型,分别利用二次规划算法和遗传算法进行求解,并对两种计算方法的计算结果和求解效率进行了分析。     

基于神经动态规划算法的最优路径选择

针对传统动态规划算法在计算大规模路网的优化问题时所表现出来的计算时间长、存储空间大等缺点,引入了一种神经动态规划算法：它将传统的动态规划和BP神经网络结合起来,通过逼近Q学习算法来寻求一种最优策略,最终达到路径优化的目的。将此算法应用于一个交通路网,且用Matlab软件进行仿真,试验表明：该方法的实时性、并行性和全局性都优于传统动态规划,在城市交通流系统中能切实起到路径诱导的作用。     

以减小均方误差为目标的估计

文章分析了病态问题的特点,提出此时以最小方差为估计准则的LS估计常不能获得稳定的解,另一比较奏效的估计准则是均方误差最小。提出了均方误差意义下的最优线性估计,将其与正则化估计对照,获得了对正则化估计更加深入的认识,而正则化估计在均方误差意义下是优于最小二乘估计的。提出了基于正则化估计的单位权方差的无偏估计公式。     

基于优化RBF神经网络的集成算法及其在调制识别中的应用

首先通过模拟退火算法对单个网络的隐含层高斯基函数中心值和标准化常数聚类算法进行了优化,进而提出了一种基于泛化误差性能跟踪的最优训练中止算法,避免了神经网络的过学习问题;最后通过基于最优权重的集成算法给出了模式所属类别的确定性衡量,提高了识别精度和系统的泛化能力。将该算法用于调制信号类型识别,取得了较高的识别精度。