基于局部全局一致性学习算法的故障选线方法

针对现有故障选线方法用于中性点经消弧线圈接地系统或相电压过零点附近发生故障时选线不准确的问题,提出一种基于局部全局一致性学习算法的小电流选线方法,即首先对线路接地故障原始信号进行傅里叶变换,然后将各故障信号的特征量输入局部全局一致性学习算法,通过标签循环传递判断故障特征信号,从而选出故障线路。通过Matlab仿真模型与实验室测试平台对该方法进行了研究,结果表明该方法具有较高的选线可靠性与准确性。     

基于离散粒子群算法全局QoS最优的Web服务选择

Web服务选择是Web服务组合中重要问题,也是一个NP难问题,使用离散粒子群算法对该问题进行建模求解并针对粒子群算法后期容易陷入局部最优进行改进,借鉴遗传算法中杂交变异的思想对算法迭代后期的一部分粒子进行杂交变异,实验仿真证明,由于杂交变异的引入,能够求得Web服务组合全局QoS更优的解。     

茅洲河流域再生水的综合优化配置

对深圳市茅洲河流域工业生产、农业灌溉、城市绿地浇灌、道路广场浇洒以及居民冲厕等方面的再生水需求进行分析,建立包括4个再生水厂、35个再生水用水片区的再生水优化配置模型,并运用LINGO求解其全局最优解。结果表明:①茅洲河流域再生水厂的生产能力为59.4万m3/d,仅能满足该流域污水处理需求的51.7%;②农业灌溉、工业回用、城市绿地浇灌、道路广场浇洒、居民冲厕等行业使用再生水的边际收益分别为3.7元/m3、21.6元/m3、4.1元/m32、.1元/m3、1.3元/m3。     

基于扇形栅格地图的移动机器人全局路径规划

针对已知环境信息下的移动机器人全局路径规划问题,描述了一种基于扇形栅格地图的波传播路径规 划算法．首先将移动机器人运行环境划分为极坐标系下的扇形栅格地图,建立栅格的六叉树连通模型,然后通过栅 格类方法完成栅格赋值和近似路径搜索,最后通过近似路径评价与优化得到最终规划路径．算法引入环道和环区概 念,解决了圆形波传播半径问题,算法复杂度为O(n)．仿真与实验结果证明了算法的低耗时和实用性．     

基于融合信息的癌症相关基因选择方法

基因表达数据的出现,为人类从分子生物学的角度研究和探索癌症的发病机理提供了广阔的前景,利用基因表达数据发现与癌症相关的基因对于癌症的诊断和治疗具有重要的意义。在过去的十几年里,已经有很多种计算方法被成功地用于从基因表达数据中找出与癌症相关的关键基因,然而,不同的方法从不同的角度刻画基因对不同类型样本的区分能力,它们选择出来的关键基因可能不一致,这将给医学解释和应用带来困扰。现提出一种融合的方法,即将基因在不同方面对样本的判别能力结合起来,首先计算每个基因的信息增益、全局判别能力和局部判别能力,再用它们的识别率进行加权,进而计算每个基因的综合判别能力,最后筛选出判别能力最高的基因子集作为关键基因子集。实验结果表明,此方法得到了比采用单独一种评价标准更好的识别效果。     

实现特色私车额度拍卖的辅助网上投拍

介绍了私车额度拍卖网上投拍的规则流程,对网拍操作过程进行分析,并结合网上的投拍宝典,分析了编程辅助投拍的可行性。     

一种基于左右视线的立体图像匹配算法

提出了一种有效提高立体匹配中遮挡和低纹理区域匹配精度的方法,算法充分利用立体视觉中的全局约束条件,对不同区域采用不同的约束条件和强度来获得高可靠性点的视差,并且引入左右视线的概念,用于解决复杂场景情况下的左右视图的匹配问题。同时采用改进的协同算法(cooperative algorithm,CA),在视差梯度的约束下,对高可靠性点的视差进行逐步地扩散,最终得到致密的视差图。实验仿真表明,方法可以有效地提高遮挡和低纹理区域中的匹配精度,从而产生较精确的致密视差图。     

基于模式搜索的连续函数寻优

模式搜索方法是求解最优化问题的一种直接搜索方法,它只根据函数值信息来进行求优。但模式搜索对起始点非常敏感,对好的起始点,模式搜索可以搜索到全局最优点,但对某些起始点,模式搜索只能搜索到局部极值点。本文提出基于模式搜索的一个新方法,实验证明,它能搜索到全局最优。     

具有饱和状态反馈离散时滞系统的渐近稳定性

讨论具有饱和状态反馈的离散时滞线性系统的渐近稳定性问题. 给出了在一定假设下, 判断系统全局渐近稳定和局部渐近稳定的充分条件, 并通过数值算例验证了所给出的条件是有效的.     

暂态混沌神经网络在蛋白质关联图预测中应用研究

蛋白质结构预测是生物信息学的一个主要研究方向,而蛋白质关联图预测是其中的一个重要内容.针对蛋白质关联图预测问题,提出一种暂态混沌神经网络实现方法,所提出的方法具有暂态混沌特性和平稳收敛特性,能有效避免传统Hopfield 神经网络极易陷入局部极值的缺陷.它通过短暂的倒分叉过程,能很快进入稳定收敛状态.仿真结果表明:暂态混沌神经网络解决蛋白质关联图预测问题时,总能收敛到全局最优或几乎接近全局最优,同时具有更高的搜索效率.这种方法预测精度达到0.27,比随机预测器高9倍.