基于改进烟花算法的薄壁件铣削加工参数优化

针对薄壁件在铣削加工过程中容易受力变形的问题,以烟花算法(FWA)为基本模型对其内部迭代过程进行改进,提出一种计算效率更高、结果更为精确的改进烟花算法(IFWA),并将改进烟花算法与BP神经网络相结合对薄壁件铣削加工参数进行优化。仿真结果表明:相比于PSO-BP算法和GA-BP算法,用IFWA-BP算法所得到的铣削参数加工出的薄壁件变形量更小,并通过现场加工实验进一步证明IFWA-BP算法对铣削参数优化的精确可靠。

基于节点匹配代价优化的随机森林算法

为提高随机森林算法的分类精度,在分析影响随机森林算法分类精度的几个要素后,针对随机森林中决策树的多样性,提出基于计算节点匹配代价的方法对随机森林算法进行优化。通过对比随机森林中所有决策树的分支点和分支点属性,利用匈牙利算法计算出两个决策树节点间最高匹配代价,建立决策树间的相似度矩阵。在相似度矩阵的基础上,通过谱聚类算法对决策树进行聚类分析,保留每类决策树中Kappa系数最高的决策树构建新的随机森林,依据其自身的Kappa系数对判决结果进行加权处理。实验结果表明,聚类加权优化后的随机森林算法的分类精度优于传统的随机森林算法。

基于改进蚁群算法的错架图书边缘特征提取

在图书馆管理中对图书馆错架、错序图书的识别和分拣中需要提取图书的边缘轮廓特征,在分析了现有的边缘检测算子的基础上提出一种改进的蚁群算法来提取图书的边缘轮廓。通过GA-BP神经网络寻找出蚁群算法的最佳初始参数组合,为了提高蚁群算法检测边缘的效率,首先构建目标图像的高斯金字塔模型,分别在每层图像中进行边缘检测,根据检测的结果提取出重要特征区域,依次映射到下一层,根据特征区域的重要程度优化初始蚁群数量的分布。在对信息素图像的处理中采用改进的二维otsu算法进行分割,提取出边缘轮廓特征。实验结果证明该种方法解决了蚁群算法在图像处理中初始参数设置问题,不仅提高算法的鲁棒性,同时还有较好的抑制噪声的效果,相对于传统的边缘提取算子,提取的图书边缘特征更加丰富完整。