引入欧椋鸟群飞行机制的改进粒子群算法

传统粒子群算法存在早熟、精度低等不足,许多改进算法尽管性能略有提高,但依然存在原有弊端。生物学家对欧椋鸟群的最新研究发现:鸟群飞行机制中个体间存在拓扑相互作用,与距离远近无关。受这一研究成果启发,提出一种引入欧椋鸟飞行机制的改进粒子群算法。该算法在进化策略上引入拓扑作用和猎食动物的惊扰机制,在参数选择上提出粒子群动能的概念,在线性递减权重框架下通过粒子动能自适应更新惯性权重,拓扑作用集合采用最近邻粒子构成,将拓扑因子与惯性权重相联系,达到进化状态的平衡和自适应性。仿真实验表明,改进算法在精度、成功率和效率上具有一定的优势,尤其是对多模态优化问题。

基于自适应脊波网络的高光谱遥感图像分类

神经网络是遥感地物自动分类的重要工具之一。利用多尺度几何分析中的脊波基函数建立了一种自适应脊波网络模型。在传统自适应粒子群算法的基础上,提出一种引入粒子密度因子的自适应粒子群优化算法作为网络训练算法。为验证其性能,利用互信息约简技术对220波段AVIRIS 92AV3C高光谱数据进行约简,并将它们作为网络输入实现对高光谱遥感地物的自动分类。仿真试验表明:引入粒子密度因子的粒子群算法与传统粒子群算法相比,不易出现早熟问题,在处理高维非线性组合优化问题时具有一定优势;由于脊波函数对高维奇异性的表征能力,相比于传统的RBF和SVM分类器,脊波神经网络分类器对具有明显边界特征的地物分类问题具有较高的精度,同时网络规模小,结构简单。

一种引入密度因子的改进粒子群优化算法

在传统的线性递减惯性权重(LDW)粒子群算法的基础上,提出一种新的引入粒子密度因子的粒子群算法。该算法根据粒子平均适应度值和社会最优适应度值,采用径向基函数形式来度量粒子群在最优值附近的聚集程度。在进化过程中,当密度因子大于一定值时,在LDW惯性权重因子中加入扰动项,使粒子群重新散开,从而跳出局部极值,避免算法出现早熟现象。基于Benchmark函数库的仿真实验表明,该算法一定程度上避免了算法过早收敛,尤其是在高维和多极值情况下性能明显优于传统PSO算法。

基于REKF的异类传感器异步数据融合算法研究

提出了一种基于异类传感器(R和IR)的数据融合目标跟踪算法,两种传感器具有不同的测量维数,量测数据异步采样并以不同的速率传输到融合中心站点。通过时间匹配技术,完成两种异步数据的融合,然后实现滤波器的状态更新。同时文中讨论了一种REKF(旋转推广卡尔曼滤波:Rotation Extended Kalman Filter)算法,可以有效地解决量测非线性和降低计算量的问题。

基于Pseudo-Zernike不变矩的PNN车牌汉字识别

基于不变矩理论,提出一种应用概率神经网络作为识别器的车牌汉字识别技术。利用Pseudo-Zernike矩特征的旋转不变性和良好的抗噪性能,将其作为车牌汉字识别的特征矢量,结合Pseudo-Zernike矩的快速算法和概率神经网络识别器快速学习和识别的性能,可适应实时环境下所获取的车牌汉字灰度图像的识别,具有较高的准确率,实验结果表明了该方法的有效性。

基于Fisher准则特征融合策略的PNN车牌汉字识别

为克服图像二值化预处理的不利影响,提高汉字字符图像特征的表征能力,降低传统算法的训练复杂度,在此直接应用车牌字符灰度图像,基于Fisher准则对提取的Pseudo-Zernike矩特征和Gabor变换特征进行融合,在最佳鉴别矢量方向上求得表达能力更强的融合特征。训练结构简单、速度较快的概率神经网络作为识别器,实现车牌汉字的正确、快速识别。试验表明,此算法无需对车牌汉字图像二值化,与所采用的概率神经网络识别器相比,传统BP,SVM等的训练复杂度降低,速度提高,经表征能力更强的融合特征训练后,具有更高的识别准确率。

大功率堆积型激光阵列光束的远场分布模型

为了合理地设计光学系统以整形大功率激光二极管阵列(High Diode Laser Stack)出射光束,必须准确了解HDLS的远场分布,然而对于HDLS远场分布的研究还不多。从亥姆霍兹方程出发,以激光二极管(Diode Laser)远场分布特性为基础,提出了一种新的半导体激光器阵列的远场分布模型,通过计算机仿真给出了简化DLS模型的远场光场变化图;模型还可表示不对称的双峰结构,有一定的现实意义。

一种边界总和最大化的车牌汉字特征融合

提出一种边界总和最大化的车牌汉字特征融合算法,根据高维数据低维投影趋于正态分布的特点,将Pseudo-Zernike矩特征和Gabor特征串联后形成的高维特征投影到低维空间,利用类别均值和方差构造分类边界总和,最大化边界总和,得到最佳投影向量,构成投影矩阵,对原串联特征投影后得到一组新特征,作为椭圆基概率神经网络分类器的输入。实验表明,新特征同时具备全局表征能力和细节刻画能力,去除了数据冗余,在提高分类准确率的同时有效降低了分类器规模,椭圆基概率神经网络构造简便,具有与SVM相当的分类准确率。

半导体激光器光束耦合效率研究

在远距离无线光通信中,接收点光功率与光束发散角平方成反比。为了获得小的光束发散角和大的功率耦合效率,必须研究光束准直系统与耦合效率的关系。根据非傍轴远场光分布理论,用光线追迹法对半导体激光器光束准直系统中的功率耦合效率进行研究,给出半导体激光器光束耦合效率的计算方法,并进行计算机模拟。这里的研究结果对半导体激光器光束准直系统设计具有一定的指导作用。

基于粒子群脊波神经网络的飞机目标识别

针对传统的基于梯度的脊波神经网络训练算法存在效率低、网络规模大、后期容易震荡等缺点,提出了一种粒子群网络训练算法,网络结构采取逐步递增隐层神经元的方法加以确定,对粒子群个体参数取不同的位置边界,并对粒子飞行速度进行限制,在合理设定粒子群算法各参数值的情况下实现了网络快速而有效的训练.仿真试验将该网络用于6类空中飞机目标的识别,并与传统的识别手段进行了比较,结果表明粒子群算法训练的脊波神经网络具有规模小、学习和泛化能力强、网络可控性好等优点.