基于Kriging模型和遗传粒子群算法的止回阀减阻优化设计

针对8′-150LB轴流式止回阀研究其流阻特性,并对其阀芯结构和文丘里阀口结构进行优化设计。为获得轴流式止回阀全开状态下的最小流阻,采用Nystrom法对阀门设计参数进行了确定,利用正交试验方法列出3因素,5水平的25组试验。在此基础上,建立设计参数与性能的Kriging响应面模型。最后利用遗传粒子群算法对Kriging模型进行优化,选取阀门减阻优化设计最优结构参数。

基于公理化模糊子集的改进谱聚类算法

谱聚类算法通常是采用高斯核作为相似性度量,并利用所有可用的特征来构建具有欧氏距离的相似度矩阵,数据集复杂度会影响其谱聚类性能,因此该文提出一种基于公理化模糊子集(AFS)的改进谱聚类算法。首先结合AFS算法,利用识别特征来衡量更合适的数据成对相似性,生成更强大的亲合矩阵;再有效地利用Nystr?m采样算法,计算采样点间以及采样点和剩余点间的相似度矩阵去降低计算的复杂度;最后通过在不同数据集以及图像分割上进行实验,证明了提出算法的有效性。

基于改进谱聚类的图像分割算法

针对传统谱聚类算法应用于图像分割时仅采用特征相似性信息构造相似性矩阵,而忽略了像素分布的空间临近信息的缺陷,提出一种新的相似性度量公式——加权欧氏距离的高斯核函数,充分利用图像特征相似性信息和空间临近信息构造相似性矩阵。在谱映射过程中,采用Nystrom逼近策略近似估计相似性矩阵及其特征向量,大大减少了求解相似性矩阵的运算复杂度,降低了内存消耗。对得到的低维向量子空间采用一种新型的聚类算法——近邻传播聚类算法进行聚类,避免了传统谱聚类采用K-means算法对初始值敏感,易陷入局部最优的缺陷。实验表明该算法获得了比传统谱聚类算法更好的分割效果。

改进的谱聚类算法在图像分割中的应用

为了消除传统的谱聚类图像分割算法存在的缺陷,提出一种改进的谱聚类图像分割算法。该算法提出余弦相似性加权矩阵,充分利用图像的纹理信息和空间临近信息构造相似性矩阵。在谱映射过程中,利用Nystriom逼近策略估计相似性矩阵及其主特征向量。最后利用优化的K-means算法与优化的粒子群算法相结合的算法对得到的低维向量子空间进行聚类,避免直接采用K-means算法对初始值敏感,易陷入局部最优的缺点。实验证明该算法在运行时间和分割精度方面较传统谱聚类算法均有明显的提高。

基于改进半监督SVR算法的忙时话务量预测

为了提高运营商节假日忙时话务量的预测精度,通过分析各节假日忙时话务量数据的特点,提出基于改进半监督支持向量机预测算法。该方法采用基于图形拉普拉斯算子的半监督学习算法来变形训练支持向量回归机的核矩阵。针对图形拉普拉斯算子计算量较大的问题,采用Nystrom算法对其进行优化。仿真结果表明,提出的算法有较好的泛化能力和较高的预测精度。

基于改进谱聚类算法在图像分割中的应用

为解决谱聚类算法应用于图像分割时,相似矩阵内存占用较大甚至满溢以及后续计算量大的问题,利用Nystrom方法随机获取一部分样本点,根据样本点和样本点、样本点和非样本点2种相似关系近似表征所有像素点的相似性,得到原图像的近似相似矩阵。在构建上述所需2种相似关系的相似矩阵时,距离度量采用余弦函数。结果表明,采用近邻传播聚类算法代替k-means算法对得到的低维向量子空间聚类,克服了聚类过程对初始值的敏感性,得到的分割结果较稳定,4幅真实图片也验证了研究算法的优越性。改进的谱聚类算法为图像分割的稳定性研究提供了依据。

基于辛Runge-Kutta-Nystrom方法的雷达散射截面计算

从基本的差分概念和Maxwell方程出发,引入电磁场方程的Hamilton函数.提出一种基于Runge-Kutta-Nystrom辛算法的高阶时域有限差分方法,该方法保持了系统的相空间体积不变和总能量不变,并导出了迭代公式.在此基础上计算了一种金属圆柱的雷达散射截面.计算结果表明该方法的正确性及快速、精确的特性.