经济周期的有序样本最优分割算法及实证研究

经济周期的阶段划分属于聚类问题中特殊的类型,需要对有序的时间序列样本进行分割,而经济周期的有序阶段划分则是研究经济周期相关问题的基础工作。文中构建以国内生产总值(gross domestic product, GDP)和居民消费价格指数(consumer price index, CPI)为基础数据的经济发展指标向量,提出针对经济周期阶段划分的有序样本最优分割算法,并分别选取美国1948年第三季度至2008年第二季度和日本1971年第三季度至2008年第二季度的数据为样本,动态分析算法的精度趋势和最优分割效果,为经济周期的阶段划分提供一种高效、简洁的算法。

指标权重算法对Fisher最优分割在水库汛期分期中的影响研究

汛期分期是水库洪水资源利用的重要内容之一,Fisher最优分割被广泛用于汛期分期研究,但指标权重对Fisher最优分割结果的影响程度尚不明确。以信江流域七一水库为例,比较了变异系数、熵权、主成分分析3种方法计算指标权重结果的差异及其对Fisher最优分割结果的影响。结果表明:3种指标权重计算方法均适用于在Fisher最优分割法确定汛期分期,变异系数法和熵权法更适用于指标权重的分析和计算;3种方法确定的指标权重结果存在一定差异,但对Fisher最优分割汛期分期结果的影响较小。通过对Fisher最优分割中指标权重的合理性计算和分析,能较好区别指标的差异性,从而为水库优化运行管理提供借鉴。

Fisher最优分割的并行算法研究

“Fisher最优分割”是一种研究有序样本动态聚类的常用方法,该文利用动态规划的 原理,提出了一种对其求解的快速并行算法．通过理论分析和数值实验,证明该算法具有理想 的线性加速比,并行效率近似于1．

基于组合权重的Fisher最优分割法在水库汛期分期中的应用

针对Fisher最优分割法中多指标赋权仅考虑单一客观赋权法的不足,将基于信息论的熵权法和基于统计学原理的变异系数法、CRITIC赋权法引入到指标权重计算中,提出基于组合权重的Fisher最优分割法进行水库汛期分期。以水布垭水库为例,选取能反映洪水变化规律的旬平均流量、最大洪峰流量出现次数、旬最大一日洪量、旬最大三日洪量、旬最大七日洪量5个指标,采用基于组合权重的Fisher最优分割法进行汛期分期,并将分期结果与采用单一客观赋权法的分期结果进行对比分析,最后确定汛期分为3期最优,前汛期为5月1日至6月10日、主汛期为6月11日至7月31日、后汛期为8月1日至9月30日。研究结果表明:采用组合权重法确定权重既兼顾了熵权法、变异系数法、CRITIC赋权法的优势,又能直观地区分不同指标对汛期分期的影响程度,该方法适用于Fisher最优分割法中多指标权重的确定。

基于增强算术优化算法的多阈值图像分割

针对传统多阈值图像分割方法中存在的分割质量一般、分割速度较慢等问题,提出一种基于改进的增强算术优化算法的多阈值图像分割方法。利用双重反向学习初始化种群,增强算法的搜索性能,将金枪鱼群优化算法的螺旋搜索策略引入到算术优化算法的加减策略中,帮助算法摆脱局部最优解。提出一种自适应余弦加速函数,更好地平衡算法的开发和探索能力。试验结果显示,提出的方法能够在提升算法收敛效率的同时分割出较好质量的图像。

Fisher最优分割法在汛期分期中的应用

针对传统汛期分期多采用定性、统计分析方法,其结果往往带有不确定性的缺陷,介绍了Fisher最优分割法的基本原理和分割步骤。以海河流域密云水库为例,选取反映水库流域暴雨洪水季节性规律的5个指标,根据专家评判法给出各指标的权重系数,计算目标函数,进而进行汛期的分期计算。综合分析和合理性验证表明,该方法具有多指标聚类、满足时序性划分且能判断分几期较优等特点,较适用于汛期的定量分期研究。

基于Fisher最优分割法的机床热关键点优化研究

利用温度测点建立热误差模型时,测点的选取直接影响到模型的精度。采用一种最优化分段方法——Fisher最优分割法,以试验采集到的原始数据作为分析数据,通过计算分类的直径、比较各类中的误差函数,对机床测点变量进行分类,经过对各类中温度变量与热误差之间相关系数的计算,获得用于热误差建模的热关键点,从而完成测点优化。利用多元线性回归方法对其优化出的测点建立热误差模型,与采用变量分组优化选出的温度测点建立的热误差模型进行比较,结果说明Fisher最优分割法可行、实用性强。

Fisher最优分割法在李仙江流域汛期分期中的应用

针对目前常用的汛期分期方法存在的主观性强、考虑因素单一和分期结果不确定等问题，提出利用Fisher最优分割法进行汛期分期。基于Fisher最优分割法的基本原理和应用步骤，以李仙江流域为例，选择反映汛期暴雨洪水特性的5个指标，将该流域的汛期划分成了4个分期，即前汛期为6月1日～6月30日，主汛期为7月1日～9月10日，过渡期为9月11日～10月31日，后汛期为11月1日～11月30日，并将Fisher最优分割法的汛期分期结果与数理统计法以及模糊集合分析法两种常用的汛期分期方法的分期结果进行比较。结果表明，Fisher最优分割法的分期结果不仅合理可信，而且相对于常用的汛期分期方法具有一定的优越性。

主成分分析结合Fisher最优分割法在烟叶分切中的应用

为探索烟叶原料分段打叶复烤较科学、合理的烟叶分切方法,以红大C3F等级初烤烟叶为研究对象,采用黄金分割法将烟叶进行分切并采集各段近红外光谱,运用主成分分析提取各段近红外光谱主成分,结合Fisher最优分割法对烟叶分切方法进行了研究,并从内在化学成分和感官质量两方面与现有分切方法的分段效果进行了对比评价。结果表明:1采用黄金分割法能将红大C3F等级初烤烟叶分切成11段,通过对各段近红外光谱进行主成分分析,最终确定了两个主成分用于反映原料信息,其累积方差贡献率达99.789%。2以主成分综合得分为基础,结合Fisher最优分割法确定了红大C3F等级初烤烟叶在实际生产中的最佳分段比例为叶基∶叶中∶叶尖=33%∶29%∶38%。3采用Fisher最优分割法分切后烟叶总糖、还原糖和烟碱等指标含量在叶基、叶中、叶尖之间的差异达到显著或极显著水平,叶基(44.87)、叶中(47.70)、叶尖(49.06)感官质量得分差距较大,且叶尖和叶中的感官质量得分相比现有分切方法均有不同程度提升,这为烟叶分段后科学打叶复烤加工与合理利用提供了参考。

基于遗传算法的最优直方图阈值图像分割算法

为了保证遗传算法能够尽快收敛到全局最优解,避免早熟现象发生,提出了适应度标定公式,保证适应度函数值总为正值。新的适应度函数能够正确引导群体的发展方向,提高选择压力;提出了相似度概念,保留相似性差的个体,剔除相似性个体。在不增加群体规模的前提下,增加了群体的多样性。为了有效地对图像进行分割,提出基于改进遗传算法的图像分割方法,采用Otsu公式,找出分割图像最优阈值。给出不同改进遗传算法计算实例比较和不同图像分割方法效果图。

基于相关系数和Fisher最优分割法的汛期分期研究

从径流形成原理出发,提出了采用降雨径流相关系数作为汛期分期指标的基本思路。以陕西省石头河水库1954~2007年的日降水和日流量资料为基础,采用主成分分析法对影响时段径流的因素进行了分析,筛选出了影响不同时段径流量的主要因素,计算了主要影响因素与时段径流量的相关系数,采用Fisher最优分割法将石头河水库汛期划分为汛前过渡期（4月1日~5月20日）、前汛期（5月21日~7月10日）、主汛期（7月11日~8月10日）、后汛期（8月11日~9月20日）和汛后过渡期（9月21日~10月31日）,并结合区域气候特点和实际发生的洪水对成果进行了合理性论证。该方法资料要求低,计算简便,具有一定的推广应用价值。

Fisher最优分割法在澄碧河水库汛期分期中的应用

在深入分析澄碧河流域汛期变化特性的基础上,以澄碧河水库为例,选取暴雨日数、旬平均雨量、旬最大3天雨量、旬多年平均入库流量、年最大洪峰出现次数等5个指标,采用Fisher最优分割法进行汛期分期研究,将汛期分为前汛期、主汛期和后汛期3个时期。结果表明,Fisher最优分割法不仅能够考虑多个指标,而且能够有效避免常规方法在阈值选取和最优分期数目确定上存在主观性强的缺点;与之前对澄碧河水库分期的相关结果对比,该方法则更为客观科学,分期结果也更加合理可靠。

一种基于遗传算法的最优阈值图像分割算法

为了提高图像分割效率,提出一种基于遗传算法的最优阈值搜索方法OTSGA.OTSGA算法对图像的灰度级进行二进制编码,生成初始种群,求出每个个体的二维最大熵,然后根据设定的寻优准则进行相应的遗传操作以搜索阈值最优解.为了避免在求解过程中出现早熟现象,OTSGA算法将交叉操作得到的个体群与上一代种群混合,得到新的种群进行遗传操作,避免了个别个体在遗传运算的最初迭代时就在种群中占据主导地位,导致求解过程的过早收敛.实验结果表明,OTSGA最优阈值搜索方法不仅降低了运算开销,而且获得了满意的图像分割效果.

改进的Fisher最优分割法在汛期分期中的应用

针对以往汛期分期的方法存在考虑因素单一、主观性强的缺点,引进Fisher最优分割法,同时利用主成分分析法计算出各指标的权重,以改进原Fisher把每一个指标权重看作相等的缺点。以吴城水库为例,使用该改进的方法对吴城水库汛期进行划分,并与模糊集合分析法进行比较。结果表明,该方法可信,符合实际。

基于Fisher准则的自适应遗传算法在图像分割中的应用

为了确定图像分割的最佳阈值,提出了一种基于自适应遗传算法的图像分割方法。自适应遗传算法能够在保证种群多样性的同时保证算法的收敛性,克服了基本遗传算法的收敛性差、易早熟问题。以二维Fisher准则作为图像分割的评价标准,利用自适应遗传算法对其进行优化,得到最佳分割阈值。实验结果表明,与基本遗传算法相比,该算法不仅能够保证图像分割的精度,而且分割速度提高了约30%。

初烤烟叶主脉不同区段色度及Fisher最优分割法分析

【目的】分析初烤烟叶主脉不同区段色度值的变化,为烟梗的差异化加工和分类使用提供参考依据。【方法】以云烟87 B3F、C3F初烤烟叶为试验对象,将每片烟叶中的主脉平均分成6段,采用色差计测定每个区段烟梗粉末的色度值L^*(明度值)、a^*(红度值)、b^*(黄度值)和E(总色差值),利用单因素方差分析和回归分析分别研究不同区段烟梗色度值的差异性及变化趋势,并通过Fisher最优分割法分析2种烟叶主脉最佳的分段比例。【结果】①同一烟叶主脉不同区段烟梗的色度值L^*、a^*、b^*、E总体均存在显著差异;B3F和C3F烟叶主脉相同区段的色度值对比,L^*值为C3F>B3F,a^*、b^*、E值为B3F>C3F。②从主脉基部到尖部,L^*值呈先降低后升高的抛物线形变化趋势,a^*、E值呈先升高后降低的抛物线形变化趋势,b^*值呈逐渐升高的线性变化趋势。③从梗基到梗尖,B3F烟叶主脉最佳分段比例可分为1/6、3/6、1/6、1/6,C3F烟叶主脉最佳分段比例可分为4/6、1/6、1/6。【结论】烟叶主脉不同区段的色度存在较大差异和规律性变化趋势,叶基和叶中部分的烟梗更适宜作为制梗丝的原料。

Fisher最优分割在桥梁健康监测门槛值分级中的应用

为提高桥梁健康监测系统的监测能力,完善状态评估系统,对结构特性参数的门槛值进行分级。Fisher最优分割原理可以将有序序列进行最优分类,使得离差平方和最小。建立ANSYS有限元模型,采用实测轴重数据,进行动力分析,对桥梁中跨跨中的横向位移监测指标从数值上按照Fisher最优分割原理进行分级分为:正常值,异常值,报警值。为检验分级效果,将横向位移在各数值段内出现的频率作为分级指标。结果表明,两种分级指标得到的门槛值较吻合,符合统计规律;2.205 mm和2.455 mm可作为横向位移的门槛值。其他监测指标可以采用同样的方法得到。

基于量子粒子群优化算法的图像分割方法

利用量子粒子群优化算法(QPSO)对二维Fisher准则图像分割评价函数进行了全局优化,提高了分割阈值的求解速度。并针对量子粒子群优化算法存在收敛性差、易早熟的问题,提出了量子粒子群优化算法和邻域搜索双重寻优的改进算法。实验结果表明,改进后的分割方法具有良好的分割效果和求解速度。寻找到的最佳阈值与二维Fisher准则函数算法完全相同,而阈值求解时间只有二维Fisher准则函数算法的1/3。

基于正交试验的PSO-Fisher图像分割算法

针对目前阈值分割法存在的不足,提出了一种使用粒子群优化算法(PSO)与Fisher评价函数结合的图像阈值分割法。并从理论与实践两个方面对算法的参数取值进行了讨论。实验结果证明,这种新的方法在很大程度上克服了背景与目标大小对分割结果的影响,并大大缩短了图像分割的时耗。

基于Fisher准则函数的二维阈值图像分割算法

文章针对图像分割中小目标物体识别困难和抗噪声性能差的问题,引入模式识别中的Fisher评价函数作为图像分割准则函数,基于Fisher准则函数提出二维阈值分割新技术,结合二维直方图抗噪声性能强和Fisher准则函数受目标和背景比例影响小的特点,对图像进行分割。实验结果表明,方法具有较好的识别能力和较强的抗噪声性能。