基于坐标优化的FOA-Amorphous节点定位算法

节点的位置信息在无线传感器网络的定位中起着至关重要的作用,而Amorphous算法的节点定位精度低。针对影响Amorphous定位精度的主要原因分析,提出了一种基于坐标优化的FOA-Amorphous节点定位算法。首先,引入多通信半径的概念细化节点跳数,利用网络平均连通度对节点的平均跳距进行重算;然后,以极大似然估计法得到的未知节点坐标值为果蝇优化算法中各果蝇的初始位置,通过此初始位置产生每个果蝇的初始种群,代入适应度函数求得当前果蝇的最佳位置,引入了个体认知因子c 1和群体引导因子c 2,优化了果蝇随机搜索的距离和方向,使得算法快速收敛到全局最优,避免算法早熟,提高了算法的收敛精度,通过迭代找到最佳未知节点位置坐标。与双通信半径算法、PSO-IDV-Hop算法以及Amorphous算法相比,该算法的归一化定位误差分别降低了约7%、23%和44%。

曲线形状的坐标优化调配算法

针对计算机角色动画序列生成和具有关键帧模型特征中间模型设计中的光滑要求,提出了一种同时于适用于平面曲线形状和空间曲线形状在不同局部变形插值后的整体优化重构方法,并对开或闭曲线形状调配有统一的算法形式。该算法根据最小二乘原理,应用曲线形状的向量坐标和与夹角、边长相关的比例函数建立了具有稳定惟一解的形状重构优化方程。通过对不同比例函数和曲线数据的实验,得到了调配曲线的周长和面积的变化特性。在算法处理框架中,给出了避免产生自交或挤压变形的非线性局部插值算法、空间曲线渐变算法、三维曲面拼接算法和实例。实验结果表明,该算法在中间帧形状有自然光滑的过渡,在算法的简易性方面有明显的优势。

基于交替方向乘子法的非光滑损失坐标优化算法

交替方向乘子法(ADMM)在机器学习问题中已有一些实际应用。针对大规模数据的处理和非光滑损失凸优化问题,将镜面下降方法引入原ADMM批处理算法,得到了一种新的改进算法,并在此基础上提出了一种求解非光滑损失凸优化问题的坐标优化算法。该算法具有操作简单、计算高效的特点。通过详尽的理论分析,证明了新算法的收敛性,在一般凸条件下其具有目前最优的收敛速度。最后与相关算法进行了对比,实验结果表明该算法在保证解稀疏性的同时拥有更快的收敛速度。

基于量子遗传算法优化的空间魔法波形装置动态网格坐标误差分析

研究了一种基于量子遗传算法的空间魔法波形装置的动态网格坐标误差优化计算。空间魔法波形是一种由等长木棍在三维空间拼接成动态网络并由绳索驱动的用于科普演示的装置,木棍网络的每个节点坐标的计算对于装置整体的设计和组装有重要意义。引入一种将量子计算概念(量子态、量子门、量子状态特性、概率幅等)融合到传统遗传算法中的优化算法——量子遗传算法,用量子位表示基因,再利用量子信息的叠加性使每个量子位表达基因的可能性相同,进而通过基因位的旋转完成基因的变异,每次完成变异后判断适应度是否满足条件,满足条件的解将持续更新,在不停地迭代计算下求出最终的最优解。利用量子遗传算法计算变化后的空间魔法波形木棍网络节点的z坐标比使用传统遗传算法和蒙特卡洛算法时的平均精度分别降低了0.027 0%和0.045 8%,该算法的使用提高了在机械设计、制造工艺、计量测试中坐标求解的精度。

基于成像坐标系优化的中轨星载SAR成像方法

在中轨合成孔径雷达(MEO SAR)成像中,大弯曲轨道以及长合成孔径时间会导致信号产生严重的两维空变。常规方法分别在距离和方位两个方向处理空变,计算复杂度通常比较高。该文研究了大场景中的多普勒调频率的空间分布,并提出将数据变换到一种非正交非线性成像坐标系中进行成像,使中轨SAR信号在该坐标系中满足方位平移不变性,由于不需要对方位空变做额外处理,该成像方法的运算量显著降低。最后通过多普勒线性化处理可以进一步补偿高阶多普勒参数的影响,以实现场景边缘点更精确的聚焦,并校正由非线性坐标系变换引入的方位聚焦位置偏移。最后,在条带模式下仿真2 m分辨率的数据,可以验证所提出算法的有效性。

基于极坐标复运算的粒子群优化算法

提出了一种新的基于极坐标复运算的粒子群优化算法(PSO),命名为极坐标粒子群优化算法(PPSO),并在文中进行期详细的数学描述。分别针对Schaffer’sf6构造函数和Handlod’sfH构造函数进行的PPSO算法和基本粒子群优化算法(SPSO)对比寻优测试结果表明:极坐标系和复数运算的采用、重叠空间搜索法的设计和粒子密度径周比w(RDRC)的引入,使得PPSO算法更易于稳定地、快速地、智能化地实现目标寻优。

稀疏学习优化问题的求解综述

机器学习正面临着数据规模日益扩大的严峻挑战,如何处理大规模甚至超大规模数据问题,是当前统计学习亟需解决的关键性科学问题.大规模机器学习问题的训练样本集合往往具有冗余和稀疏的特点,机器学习优化问题中的正则化项和损失函数也蕴含着特殊的结构含义,直接使用整个目标函数梯度的批处理黑箱方法不仅难以处理大规模问题,而且无法满足机器学习对结构的要求.目前,依靠机器学习自身特点驱动而迅速发展起来的坐标优化、在线和随机优化方法成为解决大规模问题的有效手段.针对L1正则化问题,介绍了这些大规模算法的一些研究进展.

基于遗传算法的麦弗逊悬架参数优化研究

利用ADAMS/Car模块建立了某车麦弗逊式前悬架系统模型,为优化该悬架结构,运用ADAMS/Insight对悬架参数进行了灵敏度分析,根据分析结果和相关参数的设计要求,运用遗传算法对该悬架系统进行优化。在ADAMS/Car中分别对优化前后的悬架进行双轮同向激振仿真试验,对比前轮定位参数的变化量和变化范围。结果表明,前轮主要定位参数的变化量减小,改善了悬架的运动学特性,达到了优化目的,为汽车悬架的设计提供了依据。

历史博物馆空间设计的色彩应用研究

随着国家博物馆建设的不断发展,文化与艺术的观念不断进步,历史博物馆空间色彩设计面临着划时代的创新。博物馆色彩设计的研究越来越受到重视,线上观展的人数急剧增加,促使博物馆对线下空间色彩进行改良,同时也对线上展厅色彩的界定和搭配进行跨越式提升。以陕西历史博物馆为研究对象,应用“色彩形象坐标”的设计概念,探讨当展厅空间色彩被主题及文物限定时,可通过该坐标快速抓取配色,来实现掌握整体空间色彩基调的作用。研究提出在历史博物馆空间色彩中,应注重展馆和文物自身的地域历史性和整体性,以人文关怀和理性与感性的角度,号召观展者对展馆空间色彩呈现的关注,凸显色彩对于展馆空间的重要性。希望借助文章研究的结论,可以为博物馆设计师在博物馆空间色彩设计过程中提供参考和改善方向。

一种基于局部线性嵌入的多流形学习算法

针对局部线性嵌入算法在处理多流形数据时失效问题,提出一种新的基于局部线性嵌入的多流形学习算法.采用cam分布寻找数据点的近邻,避免了近邻选取方向的缺失;同时在获取重建权值矩阵的过程中引入一个正则项约束,从而降低了算法对噪声的敏感度.通过对分布在不同流形上的高维数据实验后发现改进算法具有很好的降维效果.为了进一步验证算法的有效性,将改进后的算法对COIL-20数据库进行图像检索,结果表明该算法不仅有较好的降维效果而且在多类别多形状流形学习中有很好的实用价值.

分段线性网格模型编辑技术

计算机动画系统的核心模块之一是角色和场景的造型系统,该系统模块的关键技术在于模型编辑算法的有效性体现.本文从算法的意义上综述了分段线性网格模型编辑技术的发展、应用和研究方向,并对近年来出现的内在量方法、保刚性的插值方法、坐标优化方法和微分网格处理方法的编辑算法进行了详细的论述,同时给出了这些技术的应用效果.

通信感知一体化混合波束赋形技术

为解决无线通信与感知的性能日益强大而带来的频谱资源紧缺的问题,通信感知一体化(Integrated Sensing and Communication,ISAC)技术逐渐开始受到重视。在目前最有发展潜力的毫米波(millimeter Wave,mmWave)多输入输出(Multiple Input Multiple Output,MIMO)混合波束赋形系统基础上,提出了一种通信感知一体化的波束赋形算法。使用均方误差(Mean Square Error,MSE)衡量该系统的通信和雷达的性能,通过引入权重因子将通信与雷达的性能指标综合考虑,得到通感一体化波束赋形系统的最优解。针对求解过程中的非凸优化问题,提出了基于坐标迭代的交替优化算法对问题进行求解。针对不同权重因子,对通信的频谱效率和雷达的波束方向图进行了仿真,仿真结果验证了所提方案可以实现通信感知一体化系统下通信与感知性能的折中。

基于边缘特征点的全景图像拼接算法

全景图像拼接技术已经成为图像处理领域中的一个研究热点.传统的基于特征的全景图像拼接方法存在旋转、扭曲对匹配结果影响较大的缺点,拼接质量不高.为改善和提高拼接效果和扩展度,首先对图像边缘特征点的配准、几何坐标优化、空间坐标变换、最优投影变换参数的求解、融合等方面展开研究,然后基于此改进相应算法,提出一种基于边缘特征点的全景图像拼接算法,并进行了应用实验.实验结果表明,所给算法比传统算法具有更良好的拼接效果和实用价值.

结合改进Surf特征的素描人脸识别

素描人脸识别属于异质人脸识别范畴,是刑侦领域的研究热点。根据素描人脸识别的特点,对已配准的人脸图像进行伪素描转化,并用Surf算法提取伪素描图像对的特征点。对经过提取后的伪素描特征点进行坐标邻域一致性优化,排除坐标邻域相对位置不一致的特征点,最后统计伪素描图像对的有效特征点,以实现识别的目的。利用现有的素描人脸库,进行实验验证,在选取50个特征点时的识别率达到99%,验证了算法的有效性。该算法经优化后,可用于素描人脸识别。

大规模机器学习问题研究

随着互联网的日益普及和数据采集手段的迅猛发展,大规模数据给机器学习带来了新的挑战。机器学习的主要模式是将学习过程转化为优化问题,坐标优化、在线优化算法是解决大规模问题的有效手段。文章直观地介绍了两种主流算法的操作流程,阐述了各自发展历程,并分析了算法优势和特点,最后总结算法的应用机理。

序列图像超分辨率联合重建算法

序列图像超分辨率重建研究方法一般分为2类。第一类,将低分辨率图像配准和超分辨率重建视为相互独立的2个过程,对低分辨率图像进行配准之后再估计高分辨率图像。然而,低分辨率图像中的混叠分量会影响配准精度,进而影响图像超分辨率重建。第二类,图像配准和超分辨率重建联合实现的方法,此类方法考虑了配准和重建的相互关系,能够减轻混叠对配准的不利影响。本文主要针对第二类方法中的3种典型算法进行综述分析和研究。

整正及增改建既有铁路曲线方法

总结了既有曲线常用的测设方法,介绍整体优化坐标法的理论和优化方法,以及全站仪任意点置镜极坐标法测量既有曲线的工作方法和数据处理软件。

基于智能制造某航空机匣工艺验证与应用

本文基于某型航空机匣铸件改机加工,结合航空企业智能制造实施应用,通过制定攻关方案,选择铣车复合工艺路线、定制外购刀具,选择自制夹具,优化数控加工工艺,完成了智能制造模式某型航空机匣在航空制造企业工艺验证与实施应用。