基于N阶近邻分析的自适应差分进化算法

针对差分进化算法在求解多模优化问题解可靠性较低的问题,在N阶近邻理论分析及参数整定的基础上,提出一种基于N阶近邻分析的自适应差分进化算法(N--NNADE).N--NNADE算法在缺少先验知识的情况下,通过分析群体个体间的N阶最短近邻计算种群的全局分布,并利用阶跃信息自适应统计获得种群数量;同时采用K--means算法划分种群,进一步引入不同种群间的交叉变异思想以及父子代同种群则替换最差个体的选择策略实现种群间的协同进化.通过获取更多的全局最优解和部分高质量的局优解来提高算法的可靠性.20个优化问题的数值研究结果表明N--NNADE算法具有比DE(differential evolution),DERL(differential evolution algorithm withrandom localizations),ADE(adaptive differential evolution)算法更适合求解复杂的高维多模优化问题.

湖南女大学生体型特征与分类研究

国家标准中女子体型分类未有针对特定人群的细分研究,为满足特定人群个性化定制服装规格尺寸及合体性设计需要,选择湖南女大学生群体为研究对象,通过Vitus Smart非接触式激光三维人体扫描仪采集343个人体数据组成样本,经筛选得到体型特征变量20个。采用主成分因子分析得到影响人体体型特征的4大形态因子:高度因子、长度因子、围度因子、宽度因子,又根据体型特征部位差值和比值对体型的影响派生出6个体型影响因子。依据形态因子与体型影响因子选取身高、胸围、腰围臀围、胸腰差、臀腰差、胸身比、腰身比8个变量,经过K-means聚类分析,将湖南女大学生体型分为4类:SA体、XY体、IA体、HY体,各类体型在样本中占比分别为20.0%、27.0%、38.5%、14.5%。

基于Hadoop的K——Means聚类算法在高校图书馆工作中的应用研究

本文通过使用Hadoop计算平台，以K--Means算法为例，分析其在Mahout中的并行化策略。通过对读者的借阅数据进行分析研究，应用数据挖掘技术逐步建立应用模型，有效地将数据挖掘技术与图书馆个性化服务紧密地结合在一起。

改进YOLOV3的茶叶嫩芽检测研究

为了能够实现茶叶嫩芽的智能采摘,提出一种改进YOLOV3的茶叶嫩芽检测方法。首先将第二个残差模块的输出特征图与最后一个预测输出进行上采样的特征图特征融合,得到152x152的检测层;使用k-means++聚类算法重新聚类得到新的先验框;其次为了丰富特征图的表达能力在第一个预测层之前加入空间金字塔结构和CBAM注意力机制。最后使用GIOU作为定位损失来提高检测的精度。通过实验对比,提出的YOLOV3-D模型检测精度为79.9%,召回率为80.2%,相比于YOLOV3,精度提高了7.8%,召回率提高了10.7%,说明改进的模型能够更好地应用于茶叶嫩芽检测。

基于Hadoop的K——Means聚类算法在高校图书馆工作中的应用研究

本文通过使用Hadoop计算平台，以K—Means算法为例，分析其在Mahout中的并行化策略。通过对读者的借阅数据进行分析研究，应用数据挖掘技术逐步建立应用模型，有效地将数据挖掘技术与图书馆个性化服务紧密地结合在一起。