使用博弈差分算法的电站锅炉高效低污染燃烧均衡优化

提高电站锅炉热效率,降低NO_x等污染物的排放量是电站节能减排必须解决的问题。经过采用经量子遗传算法(QGA)优化参数后的最小二乘支持向量机(LSSVM-QGA)建立燃烧优化模型,预测的锅炉热效率和NO_x排放量的平均相对误差分别达到了0.054%和1.229%,其预测精度及泛化能力均较优,有更强的适用性能。在此模型基础上,提出一种采用自适应缩放因子与交叉因子和共享函数机制的差分进化算法(DE),通过其演化博弈论中的NASH均衡,实现锅炉燃烧的多目标优化,结果表明,基于NASH均衡的优化方法可以得到操作变量的最优解集,能够更好地改善运行工况,最终可以实现削峰填谷,使电站锅炉保持一个稳定均衡的燃烧状态。

一种多尺度灰度共生矩阵的纹理特征提取算法

纹理特征作为图像的一个重要特征,在国画分类识别中的地位十分重要,但现有的纹理提取算法大多基于灰度信息而忽略了颜色信息。针对国画分类识别中纹理提取算法存在的问题,本文提出了一种多尺度、多色域的纹理特征提取算法,该算法结合了轮廓波变换和灰度共生矩阵的优点。为了对国画进行特征提取,该算法首先将国画图像转变到HSI色彩空间。然后,提取色调、饱和度、强度这三个色彩分量进行分区域操作,即提取每一个色彩分量的纹理特征。最后,将提取的3个特征向量融合并进行主成分分析降维。实验证明,与灰度共生矩阵相比,本文算法在国画分类识别方面查准率提高了7.5%,查全率提高了8.7%。实验表明多尺度灰度共生矩阵算法优于传统的灰度共生矩阵算法。

利用图像熵和复杂网络的中国画分类方法

与以题款印鉴为主要依据的人工分类方法不同,采用图像内容特征作为计算机分类的信息来源,是数字化中国画管理的重要工作。针对数字化中国画存在的各种不规范问题和已有特征提取算法的一些不足,提出了基于图像熵的分块筛选方法,与复杂网络理论相结合来提取中国画的纹理特征,并使用支持向量机进行分类。实验结果表明,该方法能有效地提取中国画纹理特征并进行分类,且在图像不规范的情况下依然有较好的表现。