应用于武器-目标分配问题的量子行为粒子群优化算法

武器-目标分配(WTA)问题是现代战争中一个十分重要的问题。以分配武器迎击全部目标的失败概率最小为目标,构建武器-目标分配问题模型;针对已有算法求解这类问题存在的早熟收敛、优化效率较低的缺点,提出一种惯性权重自适应调整的量子行为粒子群优化算法。首先引入聚焦距离变化率的概念,将惯性权重因子表示为关于聚焦距离变化率的函数,从而使算法具有动态自适应性;同时在算法中嵌入一种判断和避免搜索早熟和停滞的有效方法。优化实例的结果分析表明,该算法能有效地解决武器-目标分配问题。     

基于神经网络的股票交易数据的预测研究

运用前馈神经网络预测时间序列的分析方法对股票数据进行了预测．通过对前馈神经网络时间序列数据预测网络模型的建立方法及预测方法讨论，基于BP网络对股票数据进行实际预测．预测精度明显高于传统方法，说明此种方法是可行的．BP网络可用于股票数据预测，其预测精度较高，但实际预测时，如何选择和确定一个合适的神经网络结构需进行反复实验．     

大型数据库中图像数据的存储方法研究

主要研究图像数据在数据库中的处理方法.先将图像数据分段存放到一个缓冲区中,然后将图像数据保存到数据库中.其次是从数据库中读取图像数据,最后是将图像显示到屏幕上.本文提出了一种新型的图像数据的存储方法,具有一定的创新性.     

融合随机森林模型的布料分层建模

目的 在布料仿真中,针对基于物理方法计算复杂、耗时长、实时性差的缺点,提出了一种融合随机森林模型的布料分层建模方法。方法 采用基于物理的方法计算出各个质点的初始位置,连接各个质点形成最初始水平布料。然后通过使用随机森林模型的回归算法来推断质点在下一水平布料的位置,使用3细分法连接质点,再通过边翻转操作生成稳定的布料网格,重复上述过程直至产生满意的动画效果。结果 在固定共轭梯度法（CG）改进后的隐式积分方法和交替方向乘子法（ADMM）的迭代次数,保证两种传统方法计算的模拟结果具有相似误差的情况下,实验结果表明,当模拟的质点数较少时,融合随机森林模型的布料分层建模方法与两种传统基于物理的模拟方法相比,没有很大的优势,但在模拟足够数量的质点时,融合随机森林模型的布料分层建模方法的模拟速度相比于ADMM算法提高了约26%。结论 采用随机森林模型来进行分层布料模拟,省去了传统基于物理的模拟方法进行的大量数值计算,显著提升了布料模拟的效率,并且在施加外界力、与外界物体发生碰撞的情况下,融合随机森林模型的布料分层建模方法依旧可以产生稳定可靠的模拟动画,是一种高效的布料模拟方法。     

基于改进Transformer的布料材质识别方法研究

布料材质识别是一个极具挑战性的计算机视觉问题。针对传统识别方法存在的识别周期长、人为因素多、技术壁垒高以及有破坏性等缺点,提出了一种基于改进Transformer的布料材质识别方法,该方法利用输入的布料运动视频,通过布料运动的外观变化识别布料的材质类型。改进的Transformer模型由Transformer块和残差空间缩减块(Residual Spatial Reduction)组成,将Transformer块中的自注意力分解为时间自注意力和空间自注意力来减少计算量和运行时间,将两个残差空间缩减块添加进Transformer模型中来减少空间冗余信息和提高布料材质识别的准确率。此外,使用预训练的图像模型对视频模型初始化,可以在减少计算量的同时保持模型的高性能。在布料运动数据集上的实验结果表明,本文方法对12种不同布料材质视频的材质种类识别的准确率达到82.3%,相比其他方法,该方法的识别精度更高。     

光纤型半导体激光器线阵工艺研究

采用计算机控制技术、激光器调制技术、光纤耦合技术、微透镜聚焦技术,研究了半导体激光器的线阵.利用线阵组合原理展示了半导体激光器线阵技术的原理和实现过程,扩展了线阵技术在快速成型、显示技术等方面的应用领域.     

一种改进的简化均值粒子群K-means聚类算法

针对粒子群优化算法容易陷入局部最优且K-means算法受聚类数及初始聚类中心的选取影响较大,提出了一种改进的简化均值粒子群K-means优化聚类算法(ISMPSO-AKM).一方面,在简化粒子群算法的基础上,加入邻域最优粒子,由个体最优位置、全局最优位置及邻域最优位置线性组合改进位置公式.另一方面,构造一种基于余弦函数和对数函数的惯性权重,实现对惯性权重的动态调整.此外,引入AKM聚类算法确定聚类数,动态获取初始中心,进一步提高算法的准确性.仿真实验表明,改进的ISMPSO-AKM算法具有更快的收敛速度,更高的求解精度及更稳定的聚类结果.     

基于机器学习合成高分辨率布料褶皱

为了精化布料网格得到逼真的布料模拟效果,提出了一种基于机器学习的方法合成高分辨率布料褶皱.首先模拟真实的布料运动,获取布料运动的帧数据信息,将布料运动的帧数据信息转换为图像信息的形式进行存储.然后将图像信息作为输入,输入到卷积神经网络(CNN)中进行训练,通过将卷积神经网络与缩小网络相结合,最终得到高分辨率布料图像.最...     

学生对专业学习的兴趣与爱好的案例分析与研究

本文以中北大学计算机科学与技术专业为例,通过对专业大一到大四学生的问卷调查与座谈,分析学生对专业知识的掌握情况、对专业了解情况、对所学专业的热爱度等,总结现有状况产生的原因,并对未来提出建设性的意见。     

大数据环境中简化粒子群算法的改进研究

针对大数据存在的高维、强约束和多目标等复杂优化问题,本文提出一种改进的群智能优化算法——狮群简化粒子群算法(LSA-SPSO).该算法将狮群算法的分组思想融入简化粒子群优化算法中,将粒子分为三组寻优,每组使用不同的学习因子和学习维度向量,以此帮助种群执行不同的搜索机制,从而增强了种群的多样性.此外,引入种群育种,有利于粒子跳出局部最优位置,提高了算法的全局搜索性能.仿真实验表明,本文提出的改进算法有效改善了传统群智能算法中存在的不足,可以更好的应用到大数据中.