求解货郎担问题(TSP)的佳点集遗传算法

文章针对求解货郎担问题（ＴＳＰ）,给出了一种佳点集遗传算法。通过对ＣＨＮ１４４实例的仿真求解,取得了令人满意的结果,可以看出该算法不仅提高了求解的效率和精度,还有效地避免了“早熟”现象。     

松散的脑袋--群体智能的数学模型

本文从生物进化的角度,将群体中的每只昆虫看成一个神经元,彼此之间通过随机、松散的(软)的连接组成一个神经网络;然后,类似于人工神经网络模拟人类大脑,用"松散"的神经网络来模拟昆虫的群体行为.即建立一个松散的大脑--群体智能的随机结构的神经网络模型.最后,根据所建立的数学模型,分别对"蚂蚁筑巢"和"蜜蜂筑巢"行为进行计算机仿真模拟,以表明上述模型的合理性.     

基于商空间理论的车牌定位

1引言 随着智能交通系统的全面实施,汽车车牌的自动识别技术变得越来越重要,而牌照定位又是车牌识别中的关键环节.由于受天气、背景、磨损等外界干扰因素的影响,造成得到的车牌图像模糊,牌照区域不明显,给牌照区域的提取带来了较大的困难,因此牌照定位一直是汽车牌照识别系统中的重点和难点.在使用广泛的基于灰度图像的识别中,常用的方法有基于牌照纹理特征对图像进行检测,使用遗传算法对图像进行优化搜索,使用Hough变换以检测直线来提取车牌边界区域等.这些方法都有各自的优点,但是在实际应用中也存在一些不足之处,因此仍然需要做进一步的改进.     

直流煤粉燃烧器低负荷稳燃判据的试验研究

近年来,清洁能源装机规模增长迅猛,给电力系统的稳定性带来了巨大的挑战.为更好的探索锅炉低负荷稳燃极限,本文借助高效清洁燃煤电站锅炉国家重点实验室的燃烧器验证试验平台对直流燃烧器低负荷稳燃判据进行研究,得出如下结论:炉膛负压波动情况和火焰稳定情况可以作为直流燃烧器低负荷稳燃的判据;喷口附近火焰温度和主燃区烟气温度则不能作...     

无需二值化的彩色车牌峰谷分割算法

车辆牌照图形的分割是车牌识别（VLPR）中的关键技术。对于通常采用的基于二值化结果的分割算法，车辆牌照图像的质量往往不佳，二值化后将会产生大量噪声，从而影响车牌分割，使系统整体识别率不高。文中提出了适合于户外流动车辆车牌分割的彩色车牌峰谷分割算法（CLCSA），不需对车牌进行二值化，通过对HIS空间的H分量和RGB空间的B分量适当调整，得到一个峰谷值差异较大的投影图像，从而为车牌正确切分提供了理想的位置。实验结果表明，蓝车牌和黄车牌的正确切分率达到97．5％，明显优于传统的对二值化图像的处理，特别是对于斜车牌和模糊车牌切分效果更加明显，更适用于实际应用。     

领域信息在信息融合进程中的优化处理

提出一种新的局部领域信息最优化组合函数算法，以解决融合过程中局部领域最优信息合理利用问题。引入最小鉴别信息熵的概念后，得到局部领域最小鉴别信息熵的概念与表示方法，应用于信息融合，得到局部领域信息最优化组合函数算法。该算法为避免其他融合方法主要考虑整体的结果而忽略具体过程提供了一种新的方法和思路。     

构造性核覆盖算法在图像识别中的应用

构造性神经网络的主要特点是：在对给定的具体数据的处理过程中,能同时给出网络的结构和参数;支持向量机就是先通过引入核函数的非线性变换,然后在这个核空间中求取最优线性分类面,其所求得的分类函数,形式上类似于一个神经网络,而构造性核覆盖算法(简称为CKCA)则是一种将神经网络中的构造性学习方法(如覆盖算法)与支持向量机(SVM)中的核函数法相结合的方法。CKCA方法具有运算量小、构造性强、直观等特点,适于处理大规模分类问题和图像识别问题。为验证CKCA算法的应用效果,利用图像质量不高的车牌字符进行了识别实验,并取得了较好的结果。     

基于信息粒度的聚类分析及其应用

在处理复杂问题时,通过改变问题所在的粒度空间,不仅可以有效获取对象的特征,而且可去除干扰和非本质属性,使问题易于分析解决。所谓从粒度计算的观点来讨论聚类分析问题,就是认为聚类是在原问题的粒度下(同一问题的最细粒度空间)进行问题分析。为了简化处理,引入不同的聚类相似性函数,其实质就是得到不同粒度空间的等价类。在实际问题求解中,可以根据问题需要取不同相似性函数,以便将问题变换到所需的粒度空间进行处理。为推广其应用,将该思想应用于车牌二值化,提出了基于信息粒度的聚类变换的二值化算法,实现了从彩色3维空间到黑白1维空间的粒度变换。实验结果表明,该算法所得结果更加切合实际图像,不仅具有普适性,而且有利于下一步的识别操作,尤其对于各种斜车牌、光照不均车牌更具有一定的优越性。     

废旧锌锰电池回收利用研究进展

围绕废旧锌锰电池的回收利用研究,综述了近几年来回收再利用方面的进展,包括:废旧电池的分解技术、废旧电池的再利用途径等,并就废旧电池的回收再利用的发展前景作了讨论.