基于Cross熵与改进麻雀搜索算法的图像分割模型

传统基于熵标准的图像分割法采用穷尽法搜索分割阈值,存在计算代价高、分割效率低的不足。针对这一问题,设计基于Cross熵与改进麻雀搜索算法的图像分割方法。为了提升标准麻雀搜索算法的寻优精度和寻优速率,利用反向学习机制进行种群初始化,改善初始种群结构,提升种群多样性和初始解质量。设计正余弦优化和惯性权重的发现者更新机制,提升发现者全局搜索能力。提出柯西混沌变异的追随者更新机制,结合混沌映射和柯西变异,避免算法产生局部最优。以Cross熵最小为标准评估个体适应度,利用改进麻雀搜索算法寻找图像分割最佳阈值,并实现图像分割。实验结果表明,改进算法在分割指标上表现优异,可以有效提升图像分割精度和分割效率。

利用熵权TOPSIS和遗传算法的焊接单元划分方法

在充分分析焊接工艺特性的基础上,以降低焊接序列规划和焊接工位分配难度为目标,综合考虑单元间的平衡问题和单元复杂度问题,提出一种利用熵权TOPSIS法和遗传算法实现焊接单元合理划分的方法。首先,根据最佳单元划分公式确定基础件数量范围;其次,以零件的质量、体积、表面积、零件连接数量、焊缝数量、焊缝体积为评价指标,通过熵权TOPSIS法确定基础件;然后,以单元稳定性、单元平衡性和单元复杂度为优化目标,利用遗传算法得到不同单元数量时的最佳单元划分方案,通过对比分析确定最佳单元划分方案,实现焊接单元的科学合理划分;最后,以某车型前副车架为例进行验证,结果表明该方法快速、合理、有效,能够满足实际的工程需求。

一种基于粗糙熵的改进K-modes聚类算法

K-modes聚类算法被广泛应用于人工智能、数据挖掘等领域。传统的K-modes聚类算法有不错的聚类效果,但是存在迭代次数多、计算量大、容易受到冗余属性的干扰等问题,且仅采用简单的0-1匹配的方法来定义2个样本属性值之间的距离,没有充分考虑每个属性对聚类结果的影响。针对上述问题,该文将粗糙熵引入K-modes算法。首先利用粗糙集属性约简算法消除冗余属性,确定各属性的重要程度;然后利用粗糙熵确定每个属性的权重,从而定义新的类内距离。将该文所提算法与传统的K-modes聚类算法分别在4组公开数据集上进行对比试验。试验结果表明,该文所提算法聚类准确率比传统的K-modes聚类算法更高。

任务并行编程模型下排列熵算法的并行实现

排列熵算法随着嵌入维数的增大,运算规模将会呈平方级数增大,计算时效性问题突出,亟待解决。为此,提出一种基于任务并行编程模型的线程级并行方法,通过任务并行运行系统(StarPU)将密集型计算划分为多个独立的任务,再由调度器将任务调度到不同的CPU上执行,实现排列熵算法的并行化。基于StarPU的排列熵并行算法与串行程序相比较,加速比为23.79倍,相较于OpenMP(一种用于共享内存并行系统的并行计算方案),在分配28个线程时,加速比为1.17倍,结果表明该方法能够有效实现排列熵算法的加速执行。

融合熵聚类和增广变邻策略的蚁群优化算法

针对蚁群算法求解大规模旅行商问题时存在收敛速度慢、易陷入局部最优的问题,提出一种融合熵聚类和增广变邻策略的蚁群优化算法。首先提出融合信息熵的聚类策略,利用熵确定最佳截断距离对数据集进行合理划分;通过求解每个子簇形成初始路径,并为全局寻优提供导向信息素,从而提升收敛速度。其次提出增广变邻策略,将蚂蚁分为爬行蚁和滑翔蚁,滑翔蚁引入的增广变邻策略在迭代后更新节点和邻居信息素,而且通过邻居数量随最优解质量动态匹配,来强化邻居节点探索,以平衡收敛速度与解的质量。当算法陷入停滞时,利用路径相似性机制平滑非公共路径信息素,帮助算法跳出局部最优。通过对旅行商问题数据集进行实验仿真表明,所提算法有效平衡了收敛速度与解的精度,尤其对于大规模问题,显著提高了解的质量。

改进?鱼优化算法和熵测度的图像多阈值分割

针对传统图像多阈值分割方法存在效率低、分割质量差等问题,提出一种改进?鱼优化算法并结合熵测度(weight lens remora optimization algorithm,WLROA)的图像多阈值分割方法。针对?鱼优化算法易陷入局部极值等缺陷,引入透镜成像反向学习策略,生成透镜反向解来增加种群多样性,进而提高算法跳出局部极值能力;提出一种自适应权重因子,对个体位置进行自适应扰动,提高算法探索能力。以最小化交叉熵作为优化目标,利用WLROA确定最小交叉熵并获得相应分割阈值。选取部分伯克利大学分割数据集图像和遥感图像测试提出算法的分割性能,测试结果表明,WLROA与其他知名算法相比具有更好的分割效果,能够有效实现复杂图像的精确处理。

粒子群优化算法在MEMS压力传感器电桥电阻计算与零偏补偿中的应用

采用粒子群优化(PSO)算法对微机电系统(MEMS)压力传感器电桥电阻进行了优化设计和验证。基于PSO算法的基本原理,建立电桥参数模型,充分利用冗余的测量数据配置优化条件,通过迭代运算得到了传感器惠斯通电桥电阻数值解,并将其作为零偏补偿的依据。然后根据计算和测试结果进行了零偏补偿,对补偿后结果进行了验证。结果表明,计算输出零偏值与实测输出零偏值之间的相对误差<1%;补偿后传感器的零偏值控制在0.5mV以内,实测零偏满量程误差≤0.1%。研究证明采用该算法模型可有效计算出MEMS压力传感器的电桥电阻参数,基于其计算结果的补偿方案可提升传感器电桥精度。

采用PSO-LSTM联合算法的MEMS陀螺仪温度误差补偿方法

MEMS陀螺仪是一种用来测量角速度的惯性器件。是一种具有成本低、体积小、性能好、可靠性好等优点的微机械陀螺仪,可广泛应用于微惯性导航系统、军事、汽车、消费电子等领域。然而,由于MEMS陀螺仪的材质特性,其输出数据受温度影响较大,这一问题限制了其在工业生产领域的进一步应用。通过对MEMS陀螺仪温度误差补偿模型中所用算法的对比分析,结合用于优化人工神经网络的PSO粒子群优化算法提出了一种采用PSO-LSTM联合人工神经网络算法的MEMS陀螺仪温度误差补偿方法,并通过多种数据检测函数进行了仿真对比实验,基于RMSE和MAE两项参数验证了优化后算法的有效性,以期为MEMS陀螺仪工作过程中的温度误差补偿模块设计提供新思路。

基于WSO-VMD样本熵和SSA-SVM算法的有载分接开关故障诊断方法研究

有载分接开关(On-Load Tap-Changer,OLTC)作为变压器的重要机械结构部件,负责变压器分解绕组切换调压,随着服役时间增加或出厂缺陷等原因容易使其发生机械故障并造成电力系统重大经济损失,开展OLTC故障诊断方法研究对确保变压器本体及电力系统安全稳定运行具有重要意义.搭建了10 kV OLTC典型缺陷模拟实验平台,开展了正常、弹簧断裂、弹簧疲软以及触头松动4种工况下的模拟实验,获得了4种不同工况的振动信号样本库.针对OLTC振动信号特征提取不完整及故障识别准确率低的问题,以模态分量(IMF)的包络熵为目标函数,提出了基于大白鲨(WSO)优化变分模态分解(VMD)和样本熵的特征构建方法,利用WSO优化后的VMD模型对原始振动信号进行模态分解并构建样本熵特征向量,作为支持向量机(SVM)的输入开展OLTC故障识别研究.研究结果表明:与经验模态分解(EMD)、集成经验模态分解(EEMD)、给定参数VMD的振动信号分解方法相比,基于WSO-VMD样本熵的OLTC振动信号特征信息更加丰富,故障识别准确率高达95.83%.为进一步提高OLTC故障识别准确率,选用麻雀搜索(SSA)、粒子群(PSO)以及灰狼优化(GWO)算法分别对SVM进行参数寻优.结果表明:基于WSO-VMD样本熵和SSA-SVM算法的OLTC运行状态识别效果最好,对正常、弹簧断裂、弹簧疲软以及触头松动4种运行工况样本测试集的识别准确率为100%,该算法具有较高的可行性以及有效性.

低成本MEMS惯性器件行人运动模式识别算法

针对行人正常行走、上楼、下楼等常见运动模式识别的问题,提出了一种低成本的足部MEMS惯性器件运动模式识别算法。首先,根据MEMS惯性器件的安装关系和实际采集的数据,分析了不同运动模式下的加速度计和陀螺仪的输出特征,然后,选取x轴方向的加速度计和y轴方向的陀螺仪输出的数据,利用输出波峰波谷的先后逻辑顺序,识别正常行走、上楼、下楼3种常见的行人运动模式,最后,对4名实验人员采集的10组数据进行分析。结果表明:采用该方法,正常行走状态识别的平均成功率可达到100%,上楼状态识别的平均成功率达到97.25%以上,下楼状态识别的平均成功率达到98.99%以上。从而验证了该方法的有效性。

种群熵竞争粒子群算法

为进一步提高竞争粒子群优化算法的收敛性和求解精度,提出一种种群熵竞争粒子群算法(population entropy competitive particle swarm optimization algorithm,CSOPE);提出非线性惯性权重调整策略,以均衡粒子的全局勘探能力和局部开采能力;提出一种基于熵模型的种群状态检测策略,根据种群的标准化四分位差和标准化中位数差计算种群熵,通过相邻两代种群的熵值之差监测种群状态,当种群处于收敛状态时,对赢家粒子利用灰狼搜索进行局部开采,以提高算法的收敛精度。在CEC2008和CEC2013共21个测试函数上将所提算法与其他8种优化算法进行对比,实验结果表明,CSOPE算法的求解精度和收敛性得到了显著提高。将CSOPE算法应用到无线传感器网络节点定位问题,结果表明CSOPE算法具有较高的定位精度。

基于模糊粒度条件熵与改进萤火虫算法的特征选择方法

提出了一种基于模糊粒度条件熵与改进萤火虫算法(firefly algorithm,FA)的特征选择方法FS_FGCEIFA。将模糊粗糙集中的知识粒度与λ-条件熵结合,提出模糊粒度条件熵这一新的信息熵模型;将模糊粒度条件熵应用于FA中,提出一种基于模糊粒度条件熵的适应度函数;采用引力搜索算法中粒子惯性质量和万有引力的计算策略来调整FA中萤火虫的亮度和吸引力,并且将基于引力搜索的自适应步长因子融入FA的位置更新中。在多个UCI数据集以及软件缺陷预测数据集上的实验表明,FS_FGCEIFA能够获得更好的分类性能。

基于最大相关熵卡尔曼滤波的UWB室内定位算法

随着无线通信技术的不断发展,室内定位技术逐渐成为关注的热点。然而,在复杂的室内环境中,如非高斯噪声等条件下,传统的超宽带(ultra wide band,UWB)定位算法往往存在定位精度低、鲁棒性差等问题。该算法将最大相关熵准则引入卡尔曼滤波(Kalman filter,KF)算法的代价函数中,并对测量噪声进行建模,因此能够给异常量测值分配较小的权重以减轻其对于状态估计的影响,相对于传统的卡尔曼滤波算法具有更强的鲁棒性。在仿真实验中,采用了多个基站对运动目标进行定位,结果表明,非高斯环境下,相比于卡尔曼滤波和无迹卡尔曼滤波(unscented Kalman filter,UKF),新算法能够有效地提高室内定位的精度和鲁棒性。

种群熵启动反向学习的动态多种群粒子群算法

针对传统粒子群优化算法在求解复杂优化问题时容易陷入局部最优和停滞的问题,提出采用种群熵启动反向学习的动态多种群粒子群算法。借鉴狮群算法划分狮群的思想,采用动态多种群划分策略,将粒子划分成3个不同行为子群,对其实施不同的位置更新公式,保持粒子在搜索过程中的多样性;在迭代阶段,为避免算法早熟,构建了各维重心反向变异策略丰富变异备选个体,并结合种群熵指标进行种群状态评价适时启动变异策略,帮助粒子跳出局部最优。最后,通过8个基准测试函数与同种类6种经典和新型改进算法,在不同维度下进行测试对比。数值实验结果表明,改进策略显著提升了粒子群算法搜索能力,在搜索精度和搜索速度方面均优于其他对比算法。

基于熵权和自适应负载编码的配电网故障恢复算法研究

针对传统故障恢复方案评价方法难以制定合理目标权重的问题,文章提出了一种基于熵权的综合权重确定方法,对故障恢复方案的优劣进行评价。针对传统群体智能算法难以应对负载无法完全恢复的问题,文章提出了一种自适应负载编码的方法融入群体智能算法,将不满足约束条件的个体做负载切除处理,使得智能算法中的每个编码为电气角度的可行解,通过算法的逐步迭代得出使得目标函数最优的解。经算例验证该算法可以得到全局最优解并且可以解决大面积负载恢复问题,具有一定的工程价值。

基于分数阶傅里叶变换和图像加权熵的chirp scaling算法

针对传统的基于傅里叶变换和匹配滤波实现的chirp scaling(CS)成像算法中多普勒参数随斜距变化以及成像分辨率低的问题,提出利用分数阶傅里叶变换(FRFT)对CS成像算法进行优化。首先建立斜视合成孔径雷达(SAR)回波信号模型,理论推导利用FRFT代替匹配滤波进行信号压缩。针对方位向最优旋转角的搜索问题,对得到的图像基于加权最小熵建立代价函数,利用动量法的梯度下降优化算法进行迭代计算,最终得到分辨率更高的SAR图像。为验证算法的有效性,分别在点目标仿真数据和实测SAR数据集上进行实验。结果表明,与传统CS成像算法相比,该算法的成像结果成像主瓣宽度更窄、旁瓣更低、成像更加清晰。

基于交叉熵金鹰优化算法的室内可见光定位

为改善金鹰算法在求解室内可见光定位问题时的优化能力,基于重要度抽样技术和Kullback-Leibler距离的交叉熵(CE)方法,提出1种新的交叉熵金鹰优化(CEGEO)算法。将交叉熵方法融合到金鹰优化(GEO)算法中,通过协同演化获得的新种群更新抽样概率分布参数,加速算法的迭代进程,降低抽样样本数和计算成本,提高算法的全局优化能力;同时,采用共同更新得到更好的个体,大幅度增加种群的多样性,改善算法的收敛速度。采用CEGEO算法及其他4种算法对标准测试函数和室内可见光定位优化问题进行仿真实验,比较分析CEGEO算法的性能。结果表明:与其他4种算法相比,提出的CEGEO算法具有更高的求解精度和更快的收敛速度,能有效平衡全局和局部搜索能力,寻优能力更强;在室内可见光定位中定位精度小于2.74E-12cm,估计位置误差最小,平均误差接近2.07E-15cm,CEGEO算法是1种解决室内可见光定位优化问题的有效算法。

基于改进黏菌算法与Tsallis熵的电力设备红外图像分割

常规方法处理电力设备红外图像分割问题时,求解最优阈值容易出现分割精度差、计算效率低的不足。为此,本文提出基于改进黏菌算法优化Tsallis熵的多阈值红外图像分割方法。利用黏菌算法的启发式搜索机制求解图像分割最优阈值,有效降低算法时间复杂度。在传统黏菌算法中引入Henon混沌映射优化初始种群多样性,设计动态透镜成像对立学习机制提高算法搜索精度。以Tsallis熵评估黏菌个体的适应度改进黏菌算法,迭代搜索图像分割阈值最优解。在常规电力设备红外图像数据集上进行实验,结果表明:与对比模型相比,改进模型具有更低的误分率和更高的峰值信噪比与结构相似度,在处理背景非均匀、噪声较大的红外图像分割上具有性能优势。

基于改进交叉熵算法的同城物流交叉转运路径分组规划

为了达到最优的同城物流配送路径和组合方式,针对当前算法中目标函数与约束条件冗余,最短配送距离容易陷入局部最优解的问题,设计基于改进交叉熵算法的同城物流交叉转运路径分组规划方法。构建道路拥堵状态函数,实时监测和更新状态函数,描述道路网络中各个路径的拥堵程度。以最短配送距离为目标,引入交叉熵算法,考虑转运路径变换问题,根据当前精英解集中的最优解调整概率密度函数参数,应用粒子群算法改进交叉熵算法,获取与实时更新最优配送路径。实验结果表明,所提方法的同城物流交叉转运路径分组规划转运次数少,出发次数、转弯次数和路径总长度值均较低,整体应用效果较好。

基于熵权法及鲸鱼优化算法的汤旺河河流健康评价

为了对汤旺河河流健康情况做出判断并分析汤旺河河流健康阻碍因素,本文将汤旺河分为7个河段,为了确定评价等级区间采用鲸鱼优化算法对健康等级区间进行划定,采用熵权法确定指标体系内指标层、系统层权重,并用加权分析法计算系统层和目标层分值,建立了包含物理结构、水质、水生生物和社会服务功能四个系统层的河流健康评价指标体系,结合汤旺河河流特征和流域社会发展情况选取12个指标进行河流健康评价。汤旺河整体健康赋分为76.30分,处于健康状态。在系统层方面除“社会服务功能”系统层赋分为95.72分,处于非常健康状态外,“物理结构”“水质”“水生生物”系统层赋分分别为72.14分、73.94分和68.62分。鲸鱼优化算法更科学地划分了五个健康等级区间,汤旺河整体处于健康状态。“物理结构”“水质”“水生生物”系统层处于健康状态,“社会服务功能”系统层处于非常健康状态。