基于全局双约束的矿井尘雾图像增强方法

为提高煤矿尘雾图像的可观测性,提出一种基于全局双约束的Retinex算法的尘雾图像增强算法(GCFCDL-Retinex)。首先,将输入图像进行内外循环,训练聚类和稀疏双重约束下的过完备字典,对图像中的噪声分量进行抑制;然后,通过Retinex算法对照度分量和反射分量进行估计及提取,并对提取的照度分量进行自适应Gamma校正;最后输出增强后的图像。研究结果表明:在煤矿井下的复杂环境中,所提出的图像增强算法能够有效提高矿井下尘雾图像的对比度和清晰度,去除真实粉尘,同时抑制图像光晕、边缘模糊的现象,增强后的图像色彩自然,视觉效果明显提升。研究结论为矿井下视频监控清晰化的工程应用提供理论依据。

约束聚类算法的多目标QR码定位识别方法

在轮对智能选配系统中,为提高轮对零部件的录入效率,提出多目标环境下对单个QR码的定位识别算法。针对使用聚类算法对其进行具有二维码特征的最优聚类问题,通过预先设定簇个数以及初始聚类点,并在其基础上加入单个QR码的特征作为约束,对聚类算法进行改进。实验表明,相比于现有技术方案,在多目标QR码识别需求下,此方法能够降低QR码识别产品的生产成本,识别率达96%,实现了多目标QR码的同时识别。

气象标准约束力溯源及其实现途径研究

气象标准化在推进气象治理体系和治理能力现代化中发挥着基础性、引领性作用,是气象高质量发展的重要保障,也是强化行业管理的重要抓手。为了强化气象标准的制度属性,增强标准的权威性和约束力,本文通过梳理气象标准制定和应用情况,分析气象标准约束力来源,探索提出气象标准约束力实现途径,为气象约束类标准和指导类标准的划分和实施提供依据和支撑。

仅含第二类约束的约束Hamilton系统的Lie对称性

研究仅含第二类约束的约束Hamilton系统的Lie对称性 .建立Lie对称性的确定方程、限制方程和附加限制方程 。

多类约束下U型装配线平衡建模研究

现有针对U型装配线平衡问题的研究假设除了节拍约束和任务间的优先顺序关系外,不存在其它约束,实际上受生产环境、产品设计、工艺要求以及人因等多种因素的制约,在对U型装配线进行优化设计时还需满足其它约束,将各种表象不同的约束抽象为相连、相斥、相关以及工作站属性约束四类,针对多类约束下U型装配线平衡问题建立了整数规划模型,通过上下界计算大大缩小了模型规模,扩大了最优化模型应用的范围。

多类指派约束下汽车总装装配线平衡优化

结合某汽车装配线的实例,充分考虑了作业间的相容和相斥约束,固定工位约束以及工作站属性约束等多类约束条件,运用第二类装配线平衡问题求解方法,建立了整数规划模型。运用LINGO软件进行编程计算,经过一系列优化后使装配线中工作站数量由18个减少到13个,节拍时间由300秒减少到243秒,装配线的效率达到约95%,优化效果明显。

基于空间约束模糊聚类的活性污泥显微图像分割

针对活性污泥相差显微图像中絮体和丝状菌分布不均衡、絮体结构多样、存在大量细小丝状菌、图像对比度低,以及光晕、阴影等现象,提出了一种基于多尺度Retinex和空间约束模糊聚类的丝状菌分割算法和基于阈值、形态学操作的絮体分割算法。丝状菌分割算法对原始图像进行多尺度Retinex增强改善不同样本的光源强度,顶帽、底帽滤波增强絮体和丝状菌的对比度,采用边缘检测方法去除图像背景,考虑显微图像相邻像素空间的邻域信息采用空间约束模糊聚类法对增强后的图像进行聚类,结合像素面积和回旋半径形态学特性参数确定丝状菌目标和去除碎片;絮体分割算法利用灰度变换、图像反转以及开操作对絮体进行预处理,克服图像中的光晕和阴影,用阈值分割算法分割絮体,利用形态学操作对其进行后处理。实验结果表明,所提算法在图像分割准确率、精确率、Dice等指标上有明显提升。

基于色彩空间转换及模糊约束聚类的地形图自动分色

针对彩色地形图的自动分色问题,提出了一种新的模糊聚类算法。该方法首先对地图的色彩空间进行转换,使其直方图的峰谷特性更加明显,然后对模糊C 均值(FCM)聚类算法进行模糊约束,并把此算法扩展到2维空间,从而较好地解决了地图的自动分色问题。此算法已编程实现,效果比较理想。

模拟电路故障诊断的约束聚类集成BP网络算法

针对通用BP网络对于高纬度、大数据量训练收敛困难的问题,在使用动量因子、自适应调整学习速率等方法的基础,引入约束聚类,构造集成神经网络,以提高网络的训练速度及诊断效果;首先,采用约束聚类算法将训练样本集划分为若干个规模相当的子样本集,分别训练生成相应子网络;此外,在诊断过程中除各子网络的输出变量外,还加入了诊断数据相对各子训练样本集的隶属度因子;最后通过一个实际电路板25维采样数据、38类故障的BP网络诊断实例验证了算法的可行性。

基于互信息约束聚类的图像语义标注

提出一种基于互信息约束聚类的图像标注算法。采用语义约束对信息瓶颈算法进行改进,并用改进的信息瓶颈算法对分割后的图像区域进行聚类,建立图像语义概念和聚类区域之间的相互关系;对未标注的图像,提出一种计算语义概念的条件概率的方法,同时考虑训练图像的先验知识和区域的低层特征,最后使用条件概率最大的语义关键字对图像区域语义自动标注。对一个包含500幅图像的图像库进行实验,结果表明,该方法比其他方法更有效。

基于多约束聚类的企业生产计划与质量设计优化模型

从供应链角度来讲,钢铁企业需求过程(订单)与钢铁企业制造过程(生产计划)以及质量设计存在着一定的集成关系。在考虑了不同炉型、生产成本、规格范围和交货时间约束的前提下,文章建立了基于多约束聚类的需求、批量生产计划与质量设计的优化模型,并根据问题特点采用改进的遗传算法进行求解。

基于约束聚类的一种概念学习方法

首先定义了字符属性例子空间中合取规则的可学习性,通过将正例集合划分为多个子集,其中每个子集在全体反例集合上均是合取规则可学习的,并建立了命题规则的一般学习模型.然后,提出了三种正例集合的自动聚类和划分方法:相似性度量、差异度量和规则长度等,并设计了一种快速的合取规则学习方法.同时,基于最小覆盖率和最小错误率给出了一种克服过学习问题的后处理方法.最后,针对一组典型的学习问题进行了实验计算,并与已有算法进行了对比分析.

基于约束正则化的生成聚类分析

基于现有的硬约束高斯混合模型不能处理约束违反情形,而软约束高斯混合模型又没有封闭的参数估计表达式,提出了一种基于约束正则化的生成聚类方法。该方法将约束一致正则化算子引入高斯混合模型,通过惩罚似然来处理约束违反,使满足正约束的成对样本的后验概率尽可能相似,满足负约束的成对样本的后验概率尽可能不相似;同时封闭的参数估计迭代公式降低了参数估计的计算复杂度。在一组真实数据集上的实验表明,与现有的相关方法相比,该方法能有效改善聚类性能,并对噪音约束有着更好的适应性。

基于量子粒子群的柑橘果实图像约束聚类分割算法

为降低果蔬采摘机器人图像处理系统的分割错误率,提出基于量子粒子群的柑橘果实图像约束聚类分割算法。首先,将读入的RGB模式柑橘果实彩色图像转换成灰度图像;然后采用具有随机遍历性的量子粒子群全局寻优策略,结合对图像中的少量模糊和不确定点具有良好适应性的约束聚类方法,对柑橘图像进行分割。从采集的柑橘果实彩色图像中分别取遮挡柑橘图像与重叠柑橘图像,使用本算法进行分割试验,并分别与OTSU算法、模糊聚类图像分割算法、量子粒子群图像分割算法进行比较试验。结果表明,本算法具有更低的分割错误率以及更高的峰值信噪比。

约束变尺度类算法(Ⅰ)——统一算法模型及既约梯度型方向算法类

建立了非单调一维搜索约束变尺度类统一算法模型，提出收敛性条件，并证明了算法的全局收敛性．通过引入连续优势函数和Ａ－方向集的概念，将约束变尺度算法与可行方向法合二为一．不仅推广了“经典”的约束变尺度算法（可进行非单调一维搜索）．而且可得出许多新的算法，这些新算法既具有“经典”约束变尺度法“宽通路”的特征．也具有可行方向法单步计算量较小，计算程序简单的优点．进一步构造了一个方便实用的连续优势函数，并在此基础上建立了既约梯度型方向约束变尺度算法类．

带约束的聚类分析

提出了一种带约束的聚类方法，又称条件系统聚类法，该法基于系统聚类的思想，在聚类过程中按类（样品）与类（样品）相聚的条件进行聚类，不满足条件者不得相聚。传统的一维、二维有序样品的聚类是这种聚类的特例，另外，方向数据、圆周上的样品、周期数据等的聚类亦可看作这种聚类的特例。并结合实例详细阐述了该法的步骤。

约束蚂蚁聚类算法

通过对真实世界蚁群的模拟仿真,提出一种基于随机游走的约束蚂蚁聚类算法来处理以must-link和can-not-link形式出现的约束聚类问题.在人工数据集和UCI标准数据集上的实验结果表明我们的算法优于无监督的蚁群聚类算法和COP-Kmeans算法.

业务流程模型抽象中基于约束的行为聚类方法研究

将业务流程模型抽象中的行为聚合解释为一个半监督聚类过程,利用基于试探的启发式方法选择合适的行为集合作为初始簇,进而提高抽象的质量。另外,为了同时满足模型转换的保序性需求和子流程的业务语义完整性,在将行为归类到某个簇(候选子流程)时,进一步考虑了流程控制流的影响,设计了由两部分构成的约束函数,即语义距离和控制流顺序冲突。其中,第一部分引入了虚拟文档来表示行为和子流程,计算其之间的语义距离;第二部分利用行为概要文档中的4种行为顺序关系,设计函数来表示行为归类带来的控制流冲突。将该方法应用于真实的流程模型库,与传统的k-means行为聚类对比,如随机生成初始簇集和基于语义的距离测量方法,结果表明所提方法生成了更接近于人工设计的流程抽象结果。

约束条件下的频繁邻近类别集挖掘

在空间数据库中挖掘带约束条件的频繁邻近类别集时,使用传统约束性关联规则的挖掘算法存在冗余候选项和重复计算等问题。为此,提出一种带约束条件的频繁邻近类别集挖掘算法,该算法以邻近类别集标识值双向变化的方法产生候选频繁邻近类别集,通过标识值的"与"运算计算支持数,达到提高算法挖掘效率的目的。实验结果表明,该算法比现有算法更简单快速。

约束变尺度类算法(Ⅱ)——两步超线性收敛的广义投影梯度约束变尺度方向类

将Ｈａｎ－Ｐｏｗｅｌ和文献［１］中算法的思想有机的结合在一起，构造了广义投影梯度约束变尺度方向所满足的线性系统．从而建立了具有两步超线性收敛的广义投影梯度约束变尺度类算法Ｃ．该算法为统一算法模型Ａ提供了一个重要的子类．到此，统一算法模型Ａ已包括了Ｈａｎ－Ｐｏｗｅｌ算法和既约梯度、投影梯度型、广义投影梯度型约束变尺度类算法．从而形成了一个丰富的理论算法库．与此同时，这些算法也被自然的推广到非单调一维搜索的情形．