基于加权组合算法的点云孔洞修补

为了对无人机航测数据中的点云孔洞进行修补,将最小二乘支持向量机算法LS-SVM和遗传算法GA优化的反向传播神经网络算法BP进行线性组合,构建一种加权组合模型,用于散乱点云数据中的孔洞修补。通过两种修补方法的误差进行两者的加权组合,建立出与两种修补方法误差相关的加权组合模型,并将加权组合模型的修补结果与单一使用最小二乘支持向量机、遗传算法优化的BP神经网络两种修补方法的修补结果进行残差和内外符合精度的比较与分析。结果表明:采用加权组合模型得到的点云修补结果内外符合精度较高,且具有更强的稳定性,为无人机获取的点云数据提供了一种有效的孔洞修补方法。

采用多尺度掩模消除干扰的反向组合算法

反向组合算法是最有效的图像对齐算法之一,但该算法抗干扰能力差。当输入图像部分被遮挡时,图像对齐效果变差。针对该问题,我们提出一种采用多尺度掩模消除干扰的反向组合算法。该算法采用自适应的方法设置初始掩模,再通过迭代判断和逐层分块来细化初始掩模,使得掩模能准确地设置在干扰区域上。实验结果表明,该算法既保留了原反向组合算法的优点,又提高了算法抗干扰的能力,使得反向组合算法能在更复杂的环境下进行图像对齐。

连续全场数字图像相关的反向组合高斯-牛顿算法

反向组合高斯-牛顿算法提高了数字图像相关的计算效率,但是此算法的应用局限于两幅图像之间的配准。在不牺牲配准精度的前提下,提出了一种基于双立方插值系数缓存表和海森矩阵缓存表的反向组合高斯-牛顿算法算法,从而加速了连续全场数字图像相关计算效率。实验结果表明,使用3种不同尺寸子区域的人工模拟散斑图像配准时,本算法的计算效率提高了11.35%、14.95%和18.93%。当使用CCD采集的真实散斑图像时,计算效率提高了18.20%。所提出的算法对人工散斑和真实散斑图像显示出良好的效率性能。

局部放电图像组合特征提取方法

研究了局部放电图像组合识别特征提取和反向传播算法神经网络分类器设计方法 ,根据变压器局部放电在线监测的要求 ,设计了 5种放电模型并进行了模拟实验。 5种放电模型数据识别结果说明 :与分别采用分形特征和统计特征的识别结果相比 。

多物品最优组合供应模式确定问题的模型研究

电子商务B2B反向拍卖采购模式能够为采购方在价格竞争条件下提供更广泛的产品和服务,因此这种采购模式将会更加灵活。本文首先提出了电子商务B2B采购合同的反向组合拍卖机制,然后建立了反向组合拍卖的多物品最优组合供应模式确定问题的数学模型,并设计了求解该模型的两级优化算法,最后以应用实例说明了模型的普适性和算法的有效性。

一种LM-BP加速搜索的周跳探测与修复方法

针对传统三频周跳探测与修复方法中的不敏感、漏检以及效率较低等问题,提出一种基于莱文伯格-马夸特(LM)-反向传播(BP)神经网络加速搜索法的伪距相位组合与电离层残差组合联合周跳探测与修复方法:利用2个伪距相位组合以减少不敏感周跳数量,利用1个电离层残差组合以提高小周跳探测敏感度;在构成3个线性无关的组合观测值后,使用LM-BP加速搜索算法进行周跳探测与修复。实验结果表明,相对常规的伪距相位组合与电离层残差组合联合方法,该方法能够提高周跳探测与修复性能,可探测小至1个的周跳,探测与修复整体时效有较大提升。

基于模糊逻辑系统的非线性组合预测方法研究

针对线性组合预测方法的局限性，本文提出了一种基于高斯型模糊逻辑系统的非线性组合预测新方法，并给出了相应的反向传播学习算法确定模糊系统的参数及模糊子集的划分．理论分析和应用实例表明：该方法具有很强的学习与泛化能力，在处理诸如非线性系统中时间序列的组合建模与预测方面都良好的应用价值．

基于组合输入ES-GA-BP的中欧班列货运量预测

中欧班列是推动“一带一路”倡议的重要支撑,科学合理地预测班列需求,对中欧班列运输方案的制定具有重要意义.以中欧班列铁路货运量预测为对象,统筹考虑中欧班列货运量的波动性和影响因素,提出一种基于组合输入指数平滑-遗传算法-反向传播(ES-GA-BP)神经网络的货运量预测方法.分析中欧班列货运现状,选取相关性高的影响因素作为神经网络输入;采用指数平滑法对波动较大的中欧班列货运量历史数据进行单项拟合预测,以优化神经网络输入;利用遗传算法优化反向传播神经网络参数,进一步提高预测精度;以“湘欧快线”国际运输通道货运集装箱数量预测为实例,验证方法的有效性.结果表明,组合输入ES-GA-BP方法适于解决波动较大的货运量预测问题,预测精度较好,有助于制定合理的中欧班列运输方案.

基于蚁狮算法优化的BP-RBF功放行为模型研究

为了准确描述射频功率放大器特性,在仿真过程中,建立一个良好的功放行为模型就变得极其关键。文中提出了一种基于蚁狮算法(Ant Lion Optimizer,ALO)优化的BP-RBF级联神经网络射频功放行为模型,首先,采用飞思卡尔半导体芯片设计射频功放电路,对从设计的电路中提取出的电压数据进行处理,然后利用蚁狮种群中的多个个体并行寻优的能力,优化BP-RBF神经网络的权值和阈值,对改进优化后的ALOBP-RBF神经网络模型进行MATLAB仿真,通过比较电压均方根误差验证模型精确性。仿真结果表明,相比于BP-RBF、GABP-RBF模型,该模型具有更高的精度、更快的收敛速度,可以精确地模拟功率放大器的特性,对射频电路的建模具有重要意义。

基于改进双种群水母搜索算法的多阈值图像分割

提出一种基于改进双种群水母搜索(Improved Double Population Jellyfish Search,IDPJS)算法的多阈值图像分割法,以解决随着阈值数目的增加,传统的图像分割计算量呈指数级增长,分割时间消耗多的问题.首先,初始化两个水母种群P和P,执行基本的JS算法.在P中引入组合变异策略,两个种群进行交流学习以提高算法的收敛速度.接着,对当前最好解采用动态反向学习策略,防止算法陷入局部最优.其次,利用CEC2017基准函数对所提IDPJS算法进行测试,并与5种启发式算法进行比较,实验结果显示,所提算法精度高、稳定性好.最后,将其用于多阈值图像分割问题,分别在阈值个数为5,7,9的情况下进行测试实验,实验表明,IDPJS算法是解决多阈值图像分割问题的有效方法.

一种改进的提取人脸面部特征点的AAM拟合算法

AAM(Active AppearanceM odel)是一种用来提取人脸特征点的有效方法,由人脸动态表观建模和拟合算法两部分组成.在多种AAM拟合算法中,反向组合法以快速高效著称.但在遇到外物遮挡时,AAM算法的拟合效果会变差.本文在反向组合法的基础上提出了一种基于分层细化掩模的改进算法.实验结果表明,该算法能较好地去除干扰并保留对拟合有用的信息,具有较强的抗干扰鲁棒性.

基于数字图像相关方法的亚像素位移迭代算法性能

在对图像位移进行测量时,不同亚像素位移迭代算法的性能不同,将反向组合对角近似算法和反向组合Dog-Leg算法用于数字图像相关法并进行位移测量,同时对反向组合Levenberg-Marquardt算法的参数更新策略进行简化,以反向组合高斯牛顿(IC-GN)法作为对比,通过模拟散斑图像和真实散斑图像的压缩变形实验,对3种算法的性能进行对比,并进行相应的评估。实验结果表明:在模拟散斑实验中,各个算法在收敛速度、收敛频率和计算速度上各有不同;在真实实验下,小变形实验得到与IC-GN法相似的精度,大变形实验得到的收敛半径更大。

基于M-AFSA的MPRM逻辑电路面积优化

现有基于传统智能优化算法的MPRM电路面积优化算法存在效果差的问题。由于MPRM电路面积优化属于组合优化问题,先提出一种多策略协同进化人工鱼群算法(MAFSA),该算法引入基于反向学习的种群初始化策略,以提高种群多样性及初始种群解的质量;引入觅食与追尾交互性策略,以加强人工鱼个体之间的信息交流、提高所提算法的收敛速度;引入自适应扰动策略,以增加人工鱼个体位置变异的随机性、避免所提算法陷入局部最优。此外,提出一种MPRM逻辑电路面积优化方法,利用所提算法来搜索电路面积最小的最佳极性。基于北卡罗莱纳州微电子中心(MCNC)Benchmark电路的实验结果表明:与遗传算法相比,所提算法优化电路平均面积百分比最高为57.24%,平均为39.57%;与人工鱼群算法相比,所提算法优化电路平均面积百分比最高为33.53%,平均为14.54%;与改进的人工鱼群算法相比,所提算法优化电路平均面积百分比最高为30.25%,平均为13.86%。

一种改进的AAM人脸特征点快速定位方法

传统的AAM(Active Appearance Models)人脸特征定位改进方法通常关注于拟合效率上,没有具体考虑拟合初始位置和模型实例的特征,因此定位准确率和速度并不理想。该文提出了一种基于人脸特征检测和简单三维姿态估计的拟合初始位置改进和模型实例选择方法。首先采用Adaboost算法对图像中人脸特征进行预检测,然后充分利用YCbCr色彩空间人脸肤色特性对无法检测或检测不完全的图像进行特征提取,最后根据特征区域计算鼻尖坐标和人脸偏转角,合理调整拟合中心位置和模型实例,并在拟合过程中引入ATLAS(Automatically Tuned Linear Algebra Software)线性代数软件包,实现矩阵优化。基于IMM人脸库的仿真实验表明,该方法与传统反向组合AAM相比,拟合准确率提高约43%,时间消耗降低约62%。

一种处理遮掩的人脸特征点定位方法

AAM(Active Appearance Models,主动表观模型)是一种定位人脸特征点的有效方法,它由人脸动态表观建模和拟合算法两部分组成。在多种拟合算法中,投影式反向组合算法(Project-Out Inverse Compositional Algorithm)具有快速高效的特点。但当人脸的某部分被遮掩时,算法的精度会明显下降。提出一种采用逐层细分掩模消除干扰的正规化反向组合算法,该算法既保留了反向组合算法快速高效的优点又提高了算法处理遮掩的能力。实验结果表明:在采用标准的IMM人脸库作为训练集的情况下,当脸部被遮掩0%-30%时,算法能够保证定位特征点的标准误差值介于0.01-0.1之间。

一种提取人脸特征3D信息的方法

针对头部姿态大角度偏转时,传统的2D人脸模型(主动表观模型,Active Appearance Model)定位人脸特征点的精度会急剧下降.引入与MPEG-4兼容的3D人脸形状模型Candide,并为其建立2D的形状模型和表观模型.模型拟合人脸图像的过程中,在保持3D形状模型与2D形状模型形变一致的基础之上,应用反向组合算法,提取人脸特征点的位置和头部姿态等3D信息.实验结果表明:在C环境下,算法的处理速度为250帧/秒以上,能达到实时处理;当头部姿态的偏转角度为0°-60°时,算法的标准误差值介于0.01-0.1之间.

基于MR-AAM双重拟合的人脸特征点定位方法

传统的主动表观模型(AAM)反向组合算法仅进行了单次拟合过程,当初始位置与目标对象偏移过大时,往往会陷入局部最小,难以收敛到正确位置。针对此问题,提出了一种基于多分辨率AAM(MR-AAM)的双重拟合方法,首先在低分辨率模型下进行第一次拟合以确定面部初始位置,然后在高分辨率模型下进行二次拟合。由于能够快速获得较准确的初始位置,进而取得较好的人脸特征标定结果。实验结果表明,所提方法与传统方法相比,在能保证实时的情况下,提高了拟合精度。

光纤通信网络中信号再生器定位问题的求解

信号再生器定位问题是光纤通信网络中一种新型组合优化问题,该问题的求解质量直接影响通信网络的设计成本,并且理论上被证明是NP完全问题。给出一种基于反向学习的有偏随机键遗传算法的求解方法,在有偏随机键遗传算法的基础上采用反向学习策略,充分挖掘反向解中的优化信息,提高算法的全局搜索能力。对大量标准测试算例的计算表明算法具有良好的优化性能,又通过与有偏随机键遗传算法和人工协作搜索算法的比较,进一步说明了本算法的高效性。

数字散斑相关方法全场变形快速测量

采用亚像素初始值结合插值系数双缓存方法提高反向组合算法计算效率,用于数字散斑相关方法全场变形测量。首先根据反向组合算法迭代特性,采用相关系数拟合法得到亚像素位移初始值代入反向组合算法,加速单点匹配迭代收敛速度;然后由全场变形计算特点,采用插值系数双缓存方法提高全场亚像素变形计算效率。本算法在单点匹配时,速度加快了10.33%;全场变形计算时,速度提升了24.93%。由此证明本算法能有效提高基于反向组合算法的数字散斑相关方法全场变形计算效率。

一种基于偏转角度的AAM人脸特征点定位方法

对有偏转角度的人脸特征点定位来说,拟合初始位置和模型的角度对人脸特征点定位效果有很大的影响。而传统的AAM(Active Appearance Models)人脸特征定位方法没有具体考虑这一问题,对有偏转角度的人脸特征点的定位准确率和速度并不理想。为解决这个问题,文中提出了一种利用两眼中心坐标和嘴中心坐标来计算人脸偏转角度,根据坐标和角度确定拟合初始位置和模板的方法。用Adaboost和YCbCr对人脸进行预检测,根据找到的特征区域计算偏转角,用反向算法结合该角度的模板进行特征点定位。实验的测试结果表明本方法对有偏转角度的人脸的特征点定位比传统方法在准确度和速度上都有了提高。