压缩遗传算法及其在交通控制中的应用

在遗传算法中采用由合适的压缩方法生成的压缩编码,这种编码及其对应的非压缩编码的长度是可变的.压缩码中的一位往往代表了非压缩编码的若干位,对任意一位的遗传操作,其影响也是若干位,所以采用压缩编码的遗传算法对保证模式的多样性及提高算法的并行性有一定的帮助.在实际应用时,根据约束条件,设计出自适应的解码函数,采用压缩编码的遗传算法可以在一定程度上避免遗传算法求解多极值问题时早熟现象的出现,从而提高全局最优解的搜索性能.通过对城市交通的动态多车道、四相位、网络数学模型用压缩编码的遗传算法进行多目标优化,仿真结果表明算法是可行的.     

基于超级连通的图像分割方法及其应用

由于同一车辆的色彩多样，不同车辆的外形、色彩完全一致以及色彩相近的车辆并行等原因，将给图像分割造成困难：一方面可能把一个车辆目标分割为几个，男一方面可能把几个车辆目标合为一个，为此，充分考虑分割后的图像目标同时具备独立性和完整性，提出了基于模糊数学理论的图像区域超级连通的定义，构造了图像目标的超级分割算法，将该算法应用于车流量检测系统进行实际测试，实测结果表明，新算法提高了统计精度，是可行的。     

搜索空间代换法及其在城市交通控制中的应用

针对常用遗传算法局部搜索能力差，导致计算速度缓慢、精度差等问题，提出一种搜索空间代换的新遗传算法。该算法保留了普通遗传算法的全局搜索性能，并通过多次搜索空间的代换提高了局部搜索能力。改进后的新方法在每次代换后只需改变解码规则，不得重新编码，也不得增加编码的长度，从而保证了计算效率。采用该方法对城市多车道、四相位的动态交通网络控制策略进行了多目标优化计算。应用结果表明，采用新的遗传算法可在同等情况下减少车辆堵塞，提高城市交通网络的运行能力。     

快速CL-Isomap算法及其在印染检测中的应用

提出了一种基于聚类的带标志点的等距映射流形学习算法CL-Isomap,并可用于纺织印染品的自动化检测过程中.本算法针对印染图像的特点,先对图像集进行聚类,使得属于同一领域内的图像更加容易识别;然后使用标志点计算图像之间的距离,减少了计算量的同时,也更进一步分离了不同类的图像;最后使用MDS计算图像的低维嵌入.CL-Isomap算法对印染图像降维,使得图像数据量变小,检测速度提高,同时CL-Isomap方法在降维的同时并不改变图像原有的本质特征,使得检测的准确率得以提高.     

基于提升方案的小波边缘检测算法研究

通过构建一种提升小波来提取图像的边缘,根据小波的提升框架理论提出了一种基于线性提升小波的边缘检测。该方法首先构建一组小波预测函数,并推导了一个提升小波更新函数。通过对原始图像进行分裂、预测、更新运算,实现图像的小波分解。利用分解后的小波系数构成图像的小波梯度图和方向图,在小波方向图和梯度图的引导下实现了图像的边缘跟踪与准确定位,实验表明利用提升小波对图像进行边缘检测的方法是行之有效的。