相容次序矩阵AOR迭代的最优参数选取

讨论当线性方程组Ax=b的系数矩阵A为(1,1)相容次序矩阵且其Jacobi特征值为纯虚数或零时,AOR迭代的收敛性问题,得到此类方程组AOR迭代的收敛区间,并在收敛范围内分段讨论,进而得到最优参数及与之相应的谱半径,用实例给出了结论的一些应用.

有效提高SVM参数搜索效率的样本集缩减策略

核函数及相关参数的选择是支持向量机中的一个重要问题,它对模型的推广能力有很大的影响。当有大量样本参与训练的时候,寻找最优参数的网格搜索算法将消耗过长的时间。针对这一问题,提出一种舍弃非支持向量的样本点的策略,从而缩减了训练样本集。能够在基本保持原有测试准确度的前提下,将搜索时间减少一半。

基于布谷鸟搜索优化的红外热像仪对比度增强方法

由于探测器原理性的缺陷,红外热像仪所获图像的对比度低、细节不明显。对比度受限的自适应直方图均衡化方法(Contrast Limited Adaptive Histogram Equalization,CLAHE)能够增强红外图像的对比度,但是其受限参数无法适应不同的场景,且需要手动调整。作为一种智能种群优化算法,布谷鸟搜索算法具备强大的寻优能力。基于该算法,使CLAHE方法在不同场景下获取最优参数,进而实现红外图像对比度的场景自适应增强。实验分析表明,这种改进的算法具有可行性和适应性。

一种基于杜鹃搜索算法的图像自适应增强方法

图像增强是图像处理中关键步骤,基于归一化的非完全Beta函数变换的图像增强具有理想的增强效果。然而合理选取归一化的非完全Beta函数的参数是算法的关键和难点,常需要人工干预或是计算非常耗时。杜鹃搜索算法是一种新型的仿生智能算法,具有自适应、自组织等智能特性,具有强大的寻找优化解的能力。这里将杜鹃搜索算法用于归一化的非完全Beta函数参数的自适应选取,实现了基于杜鹃搜索算法的归一化的非完全Beta函数图像增强方法,实际图像增强实验结果表明了该方法的有效性和可行性。

基于SVM和GA的图像质量评价方法

针对主观评价关联方法易陷入局部最优以及处理非线性、高维、小样本问题时效果不佳等问题,以均方误差、峰值信噪比、奇异值分解这3个图像质量客观评价指标和LIVE数据库评分作为学习样本,通过支持向量机学习得到主客观关联函数,利用遗传算法进行最优参数选取,由此得到具有主客观一致性的评价模型。测试结果表明,相比传统方法,该方法对图像质量的评价更准确。

一种新颖的电力系统实时紧急控制方案

总结了基于策略表形式的电力紧急控制系统的研究和发展现状,提出一种实时决策、实时控制的电力系统紧急控制方案。该方案实时采集故障前、故障期间及故障清除后短时间内系统的功角、有功功率等信息,利用这些信息通过最优参数选取算法将原系统在线动态等值为简单系统,并在等值系统上进行暂态稳定预测和分析,进而搜索最优控制策略。仿真结果验证了该方案的实时性、准确性和可靠性。