高功率激光系统的低阶鬼点位置公式

在近轴条件下 ,采用矩阵光学 ,推导出了光束传输过程中单个凸透镜、凹透镜以及 4F系统产生的低阶鬼点的位置公式 ,并分析其分布规律。

推导光栅衍射暗纹位置公式的简易方法

光栅衍射是普通物理等物理类教材中重要的必修内容．常用的普通物理教材对光栅衍射规律的描述通常忽略推导过程而只给出一些重要的结论，例如暗纹位置公式；或者仅作定性分析，例如明条纹宽度随缝数增多而变窄等．事实上，对于光栅衍射暗纹位置公式可以由振幅矢量法求解，

水中物点的虚像位置公式

在空气中观察水中物体,由于光的折射,我们看到的只是该物体的虚像,其位置将随观察者视线方向的变化而改变。本文给出了水中物点的虚像位置公式,从而揭示了虚像位置随观察者视线方向的变化规律。

指数交叉对偶理论及其本质探讨

指数交叉对偶理论的问世是指数理论发展史上灿烂的一页,指数交叉对偶的方法在消除指数公式选择过程中出现得偏性、提升公式检验水平的研究中得到了广泛的应用和发展,也获得了令人瞩目的成就,为指数理论的研究和实际应用开辟了新天地。按照参与期的标准把指数交叉对偶划分为两位置交叉与多位置交叉并对其实现方式进行分别探讨,针对理论界一些值得商榷的观点给予了剖析,并通过对交叉公式与基本公式及交叉公式之间相对离差趋势的研究,揭示其在运算过程中对公式及数据偏性进行修正。

基于改进人工蜂群算法的K均值聚类算法

针对K均值聚类(KMC)算法全局搜索能力差、初始聚类中心选择敏感,以及原始人工蜂群(ABC)算法的初始化随机性、易早熟、后期收敛速度慢等问题,提出了一种改进人工蜂群算法(IABC)。该算法利用最大最小距离积方法初始化蜂群,构造出适应KMC算法的适应度函数以及一种基于全局引导的位置更新公式以提高迭代寻优过程的效率。将改进的人工蜂群算法与KMC算法结合提出IABC-Kmeans算法以改善聚类性能。通过Sphere、Rastrigin、Rosenbrock和Griewank四个标准测试函数和UCI标准数据集上进行测试的仿真实验表明,IABC算法收敛速度快,克服了原始算法易陷入局部最优解的缺点;IABC-Kmeans算法则具有更好的聚类质量和综合性能。

一种基于改进人工蜂群的K-means聚类算法

针对K-means算法对初始的聚类中心选择敏感,全局搜索能力较差,聚类精度低以及稳定性不高,算法的鲁棒性较差等缺点,提出了一种基于改进的人工蜂群算法来对K-means聚类算法进行优化。算法构造了新的适应度函数,改进了食物源的位置更新公式来提高迭代效率。利用改进的人工蜂群算法良好的全局寻优能力,搜索速度快等优点,再加上K-means收敛速度快的优点,二者结合来提高算法的鲁棒性。将改进后的算法嵌入到WEKA这一数据挖掘平台中,充分利用了开源WEKA中的类和可视化功能,与WEKA中已有的聚类算法对比分析,可以获得更好的聚类结果。