文昌鸡GHR基因内含子2和5位点对文昌鸡繁殖性能的遗传效应研究

采用PCR-RFLP技术检测了文昌鸡GHR基因内含子2和5的多态性,并采用SPSS程序分析了GHR基因内含子2和5的多态性对文昌鸡繁殖性能的影响。结果表明:GHR基因内含子2等位基因C1、C2频率分别为0.06和0.94,内含子5等位基因D1和D2基因频率分别为0.19和0.81。GHR基因内含子2多态性与产蛋性状中的双黄蛋产量相关显著。经两两比较发现,GHR C1C1基因型个体比GHR C2C2基因型个体双黄蛋产量高0.70个(P<0.05),加性效应值为0.208。

基于SVM的自动羽绒识别系统

随着羽绒制品日益受到消费者青睐,一些不法商家为牟利而制假事件屡见不鲜,因此,羽绒种类的鉴定成为至关重要的问题,而鹅、鸭绒的识别更是重中之重。目前,对羽绒种类的识别,主要是用显微镜通过人眼观察完成的,但这种方式存在诸多弊端。论文通过对鹅、鸭绒等绒毛结构的分析,运用图像处理以及基于SVM的图像识别技术,用计算机完成了对鹅绒、鸭绒的自动识别。

基于局部密度估计和近邻关系传播的谱聚类

对密度分布不均匀的数据采用近邻传播的谱聚类,存在误将不同类的样本传入同一高相似度的子集中的情况,因而得不到真实的相似度矩阵和准确的聚类结果.针对这一问题,提出一种基于局部密度估计和近邻关系传播的谱聚类(LDENP-SC)算法.该算法首先对样本进行密度估计并升维,然后对新数据采用传播算法更新相似度矩阵并谱聚类.在计算密度时提出一种简易的局部密度计算方法,该方法既能反应样本的密度又能减少运算时间;在更新相似度矩阵时基于传播算法提出一种更新子集间样本相似性的方法,使更新后样本的相似度更接近实际.实验结果表明,LDENP-SC算法能够得出取得理想的相似度矩阵和准确的聚类结果,具有较好的泛化能力,且对一定范围内的参数σ表现出鲁棒性.

求解VRPSDP问题的改进模拟退火遗传算法

配送和回收一体化的车辆路径问题(VRPSDP)是一种非常复杂的NP难题。针对这一问题,设计了一种改进的模拟退火遗传算法ISAGA,采用非零自然数编码机制和弱可行解到强可行解的解码机制,将3PM交叉算子和退火选择相结合,形成贪心3PM交叉算子,引进insert、swap和2-opt分别对解进行迭代优化,并将模拟退火算法和遗传算法巧妙地结合,使得遗传算法在前期发挥着全局搜索的强大功能;后期用模拟退火算法来处理遗传算法前期的全局较优解,充分利用模拟退火算法后期局部搜索的强大功能。经过国际公认的测试算例验证,ISAGA算法在Min算例、Salhi和Nagy算例中均找到了比现有算法已知最好解更优的解。

变异量子粒子群优化算法在系统辨识中的应用

为了增加全局搜索能力,避免陷入局部最小,在量子粒子群优化算法(QPSO)中引入变异机制,即基于QPSO的特点,用Cauchy分布分别对全局最优和所有个体极值的平均值进行变异。该算法称为带变异算子的量子粒子群优化算法(MQPSO)。通过对一典型的大海捞针类(NiH)问题的试验,证明了MQPSO在全局优化和快速收敛能力上有较大的提高。在此基础上将该算法应用于系统参数辨识中,辨识结果表明该方法具有参数辨识精度高,抗噪声能力强,对输入信号通用性强,也适用于非线性系统参数辫识,具有重要的工程应用价值。

基于蚁群算法的集合覆盖问题

蚁群算法是一种基于群体智能原理的优化模型,用于解决组合优化问题。集合覆盖问题是NP完全问题中应用面最广的问题之一,它在模式识别、机器学习等领域中具有重要的应用。以SCHF[1]启发函数作为启发信息,用蚁群算法求得集合覆盖问题的优化解。通过几种算法的仿真结果对照表明,用蚁群算法求解集合覆盖问题是有效的,蚁群算法得到的解是比较理想的。

基于改进粒子群优化算法的矩形Packing问题

针对具有NP难度的矩形Packing问题,提出一种带变异算子的双种群粒子群算法,该算法将粒子群分为2个不同的子群,使种群在全局和局部都有较好的搜索能力。通过子群重组实现种群间的信息交换。同时在算法中引入变异算子,对产生的局部最优解的邻域进行搜索。实验结果表明,该算法是一种求解矩形Packing问题的高效实用的算法。

基于混合优化算法的网络流量有效测量点选择

提出一种基于禁忌搜索和蚁群算法的求解最小弱顶点覆盖问题的混合优化算法,用于解决网络流量有效测量点的选择问题。仿真结果表明,比较现有算法,本算法能够找到更小的弱顶点覆盖集,且具有更好的可扩展性和实用性。

拟牛顿算法在SVM内核优化中的应用

使用SVM进行分类,超参数的选择非常重要,它直接影响分类的性能。在实际应用中,最优SVM算法参数选择还只能是凭借经验、实验对比、大范围的搜寻或者利用软件包提供的交叉确认功能进行寻优。而拟牛顿算法,可在一个校验集上最小化一个经验误差估计来优化SVM的超参数,使超参数在分类任务中达到最优值,从而取得理想的分类结果。该文对拟牛顿算法进行了探讨,并将其应用在基于SVM的羽绒识别系统中,实验结果表明,该算法是有效的,与未经过超参数优化的SVM分类器相比,羽绒的识别率有了较大提高。

SVM和HMM混合模型在人脸识别中的应用

采用支持向量机(SVM)和隐马尔可夫模型(HMM)相结合的方法进行人脸识别。首先对照片中的人脸进行定位,从定位区域提取人脸各个器官的独立基特征,然后使用支持向量机和隐马尔可夫混合模型对定位区域进行人脸识别。利用SVM和HMM结合的优点,取得较高的识别率。

组合内核与优化算法在羽绒识别系统中的应用

为了提高支持向量机(SVM)的识别性能,提出了在常用内核的基础上构造一个组合内核函数,然后用拟牛顿算法对其超参数进行优化的方法。该方法被成功运用于羽绒自动识别系统中。实验结果表明,内核优化后,与单独使用常用内核相比,组合内核函数使羽绒自动识别系统具有更佳的识别性能。

LSBPSO算法在磁盘负载均衡问题中的应用

将基于水平集的粒子优化算法(LSBPSO)应用于磁盘负载均衡问题中,利用LSBPSO的快速收敛性动态调整分条技术下逻辑磁盘和物理磁盘的映射关系。提出一种新的逻辑磁盘热度预测方法,对物理磁盘的热度的表示方法进行扩充。实验表明,LBPSO能较好地解决分条技术下的磁盘负载问题,收敛速度较快。

采用RAM加权技术的自适应模式识别系统

简要介绍了利用ＲＡＭ网络实现的自适应模式识别系统（ＷＩＳＡＲＤ）的结构和工作原理，提出了利用ＲＡＭ加权技术优化系统性能的方法，就该方法对系统性能的优化给出了简例，并从理论上作了初步的证明。

基于蚁群优化算法的单通道冗余VLSI阵列重构

通过冗余修复方法来解决超大规模集成电路(VLSI)制造过程中因缺陷而造成的成品率低的问题。根据物理阵列中缺陷单元的分布情况,构造相应的矛盾图模型,将阵列的重构问题转化为用蚁群优化算法求解矛盾图的最大独立集问题,使得所求独立集的顶点个数恰为缺陷单元的个数。实验表明,与标准遗传算法和神经网络算法相比,用蚁群优化算法来求解单通道冗余VLSI阵列重构问题是简单有效的。

灰度图象处理的并行分布式加权识别系统模型

文章提出了一种可用于灰度图象处理的并行自适应加权识别系统模型,从理论上对该模型作了相应的数学描述和分析,并给出了将系统应用于灰度图象边缘检测的实例。

可用于灰度图象处理的并行自适应加权识别系统模型

提出了一种可用于灰度图象处理的并行自适应加权识别系统模型 ,从理论上对该模型作了相应的数学描述和分析 ,并给出了将系统应用于灰度图象边缘检测的实例 .

一种改进的自适应模式识别系统

自适应模式识别系统具有大规模并行分布处理能力、通用性和自适应性 ,因而显示了巨大的潜力 .但由于其结构的原因 ,系统性能受到了一定的限制 .利用P .Kanerva提出的稀疏分布存贮原理对自适应模式识别系统进行改进 ,提出了一种新的系统模型 ,并就新系统的工作过程和主要特点作了较为详尽的叙述 .

NPY、IGF-1基因对文昌鸡繁殖性状的遗传效应

采用PCR-RFLP技术检测文昌鸡NPY基因和IGF-1基因的多态性,并分析NPY、IGF-1基因对文昌鸡繁殖性能的影响。结果表明:300日龄NPY AA型个体平均产蛋数(88.95枚)与NPY aa型个体平均产蛋数(81.55枚)相比差异显著,NPY基因以加性方式作用,其中300日龄产蛋数加性效应值为-0.252(P<0.05)。IGF-1基因同样以加性方式作用,其中300日龄产蛋数加性效应值为0.199(P<0.05)。300日龄IGF-1 bb型个体平均产蛋数(89.03枚)与IGF-1 BB型个体平均产蛋数(82.61枚)相比差异显著,400日龄IGF-1 bb型个体平均产蛋数(137.84枚)与IGF-1 BB型个体平均产蛋数(127.82枚)相比差异显著;IGF-1 bb型个体平均连产天数(3.38 d)分别与IGF-1的BB、Bb型个体平均连产天数(2.96、2.78 d)相比差异均显著。

基于知识利用的迁移学习一般化增强模糊划分聚类算法

针对非充分数据集及噪声对聚类分析的干扰,基于模糊C均值(FCM)框架下的聚类技术,即一般化的增强模糊划分聚类算法(GIFP-FCM),探讨具有迁移学习能力的聚类方法——融入迁移学习机制的GIFP-FCM算法(T-GIFP-FCM).该算法通过有效利用历史相关场景(域)总结得到的知识来指导当前场景(域)中信息不足时的聚类任务,从而提高聚类效果.通过在模拟数据集及真实数据集上的仿真实验,结果显示文中算法较之传统算法在处理信息不足任务时具有更佳的性能.