鲍威尔和模拟退火优化算法结合的多分辨率三维图像配准

基于互信息的全局配准算法是近年图像配准研究的热点之一 ,此法具有精度高、鲁棒性强的特点。现将互信息作为相似性测度 ,采用模拟退火与鲍威尔相结合的多分辨率搜索优化策略 ,对临床使用的三维CT、MR图像进行了刚体配准。实验结果表明此方法能有效地防止优化陷入局部极值 ,具有良好的实用性。

基于果蝇-鲍威尔优化的航空高光谱影像大气校正方法

航空高光谱的大气校正是进行高光谱定量反演的基础,但通过空地同步对比分析航空高光谱大气校正的研究较少,论文主要研究了Hyspex高光谱遥感数据不同的大气校正方法。在现有的几种大气校正方法的基础上,提出了一种大气校正的新方法:首先,采用果蝇-鲍威尔优化算法反演光谱的性能参数(中心波长和半波高度的偏移量),对光谱重定标。然后在光谱重定标的基础上,采用MODTRAN模型对Hyspex高光谱数据进行大气校正,得到地表反射率数据。利用同步采集的五种典型地物的地面实测ASD数据将提出的新方法与现有的几种大气校正方法(快速大气校正、经验线性法大气校正、基于6S模型的大气校正、基于FLAASH模型的大气校正、基于MODTRAN模型的大气校正)的大气校正结果进行对比分析,并采用决定系数(R2)和均方根误差(RMSE)来比较各种大气校正方法的精度。结果表明:提出的果蝇-鲍威尔优化MODTRAN模型的大气校正结果最好,决定系数在80%以上,均方根误差在15%以内;基于MODTRAN模型、FLAASH模型、6S模型的方法的校正结果稍次于本文提出的新方法,结果比较稳定,决定系数在70%以上,均方根误差在20%左右;快速大气校正与经验线性法的校正结果不稳定。可以得出结论:本文提出的果蝇-鲍威尔优化算法有效可行,可以精确的反演出中心波长和半波高度的偏移量,其大气校正的精度优于现有的多种大气校正方法。

基于神经网络优化法的故障诊断应用研究

在机械设备的故障诊断中,常采用BP网络算法对故障进行诊断计算,但由于BP网络易于收敛于局部极小点,且在初始参数与网络结构选取不当时,网络将出现发散现象.为此提出了将神经网络优化算法应用于汽轮发电机组的故障诊断中,实现了神经网络权值和阈值的快速计算,并以汽轮发电机组的故障诊断为背景,将两种算法的结果进行比较,证明该方法比BP算法精度高且收敛速度快、可靠性好.

特形脉冲的设计与计算机模拟

根据Liouville vonNeumann方程从理论上对特形脉冲做了全面的描述 ,提出了一种具体的调幅特形脉冲设计方案 :首先将待设计的脉冲展成一个有限Fourier级数 ,然后根据Bloch方程的解析解准确计算出各阶正弦、余弦波的频谱 ,再将这些频谱组合后与该脉冲的理想频谱进行比较构成误差函数 ,最后运用鲍威尔 -模拟退火组合优化算法计算出全局最优Fourier系数 ,即可得到所需脉冲的表达式 .应用此设计方案 ,得到了体系处于热平衡态时的特形激励脉冲和反转脉冲的具体表达式 .计算机模拟表明 。