基于遗传算法的网络传输异常数据检测方法

针对网络传输过程异常数据与标准数据之间存在相对误差的问题,提出基于遗传算法的网络传输异常数据检测方法。通过遗传网络布局形式,建立标准的遗传适应度函数,利用数据编码标签,处理异常数据;通过定义网络传输数据异常簇点的方式,确定数据信息的传输密度水平,结合相关性检测阈值,实现网络传输异常数据检测。实验结果表明,设计方法的异常数据校正误差指标的最大值未超过2.0×10-3MB,得出该方法有效降低了误差。

基于蚁群算法的点状注记智能化配置

地图注记是为待定位注记求取注记位置的过程,它是自动地图制图中的一个重要的难题,其中点状注记问题可以看作是一个组合优化问题。目前,模拟退火法,遗传算法和神经网络优化算法已经被用来优化点状注记的配置问题。本文将引入蚁群算法在点状注记配置中的应用,经实验证明该方法有更高的搜索效率,得到的注记结果基本上解决了冲突问题。

用激光诱导击穿光谱技术定量分析土壤中Ba和Sr

利用激光诱导击穿光谱(laser induced breakdown spectroscopy,LIBS)技术检测土壤标准样品中Ba和Sr的含量,用光纤光谱仪探测等离子体冷却过程中的发射谱线,选取BaⅡ455.41nm和SrⅠ460.73nm特征谱线为分析线。为了减小误差,采用Lorenizian函数进行光谱轮廓曲线拟合对数据预处理,提取光谱净强度值。选择多元素谱线强度和作为内标,根据分析线与内标线强度值之比建立定标曲线,Ba和Sr含量与其强度比的线性系数分别达到0.990 0和0.990 6,采用这种强度比定标法对Ba和Sr的含量进行反演,测定Ba和Sr含量值与标准值的相对偏差分别为5.7%和5.1%。

激光测距仪镜头感光元件的快速识别与定位算法研究

在激光测距仪镜头组件的自动化装配中,快速、精准识别感光元件雪崩光电二极管(APD)的定位坐标,对于完成镜头焦点的精确对位以及提高图像处理效率至关重要。针对APD的图像识别与定位过程,本文提出一套基于机器视觉的高效、高精度的图像处理算法。首先在粗定位图像处理阶段中,为提高运算效率,利用抗干扰性强的高斯金字塔搜索归一化互相关匹配(NCC)算法,对图像中的APD进行粗定位。在边缘检测中,采用Otsu算法自适应地根据梯度图像变化生成高低阈值,避免了传统Canny算法的手动设置高低阈值的难题。在目标轮廓提取阶段采用连通域标记法,过滤掉孤立的像素点和非目标区域像素点,保证了下一步的轮廓拟合精度。在最后的轮廓拟合精定位阶段中,通过对两种拟合算法比较过程中,确定最小二乘法圆拟合亚像素定位算法进行APD轮廓拟合,可以保证效率和定位精度,实验结果表明整个图像处理系统用时596 ms、定位精度0.4 pixel,相对误差为0.64%,实现了APD图像快速、精准定位的过程,提高了定位精度和效率。

基于CorelDRAW的地图注记自动化配置方法研究

作为制图者与用图者间信息传递的桥梁,地图注记辅助地图符号,对制图要素的名称、种类、性质和数量特征等进行了标识和说明,是地图不可或缺的组成部分。曲线、文字编辑功能极强的Corel DRAW软件颇受制图人员青睐,尤其在注记配置工作中扮演着重要角色。文章从点、线、面三个角度对地图注记配置进行了理论探析,同时基于Corel DRAW 15.0 Type Library控件和VBA环境进行了二次开发,智能化地实现了点注记的四点定位、线注记的适合路径、封闭面域的构建和自定义面注记的添加,对提高地图制图的效率和美化图面效果具有十分重要的意义。

基于高斯拟合与切比雪夫不等式的标签数量二次估计算法

针对射频识别技术(RFID)系统中现有标签数量估计算法存在的估计误差大、识别时延长、时间复杂度高的问题,该文提出一种基于高斯拟合与切比雪夫不等式的标签数量2次估计算法(TLNEGC)。首先根据碰撞因子与碰撞时隙比例的关系建立碰撞模型,采用高斯函数对碰撞模型中的离散数据点进行拟合逼近获得高斯估计模型;然后利用高斯估计模型初次估计标签的数量,根据初次估计的结果判断是否需要进行2次估计,2次估计是利用切比雪夫不等式对估计区间进行2次搜索以获得最佳估计值。MATLAB仿真分析表明,该文所提TLNEGC算法的平均估计误差和总时间消耗明显低于现有的高精度标签估计算法,同时具有较低的时间复杂度和较高的稳定性。

一种拟合聚类结果的特征重要性评价方法

从使类内联系更紧密、类间联系更稀疏的角度考虑,特征选择可以转换为对聚类的特征选择问题.目前基于Filter的特征选择方法普遍从特征本身的特性考虑,强调特征的信息量、特征之间的依赖性和特征子集与分类结果的相关性,关注的重点在于消除冗余项、去除不相关项,虽然能取得不错的效果,但是这种效果本身是不可预知的,需要经过分类器训练得出.将特征选择问题转换成聚类问题是从整体的效果考虑,认为使得样本能够取得较好分类效果的特征子集在聚类上应当具有类似的效果,问题进一步转换成在特征集中寻找一个最优子集使得样本聚类的结果与分类标签最大程度拟合.这种转换一方面可以减少计算量,另一方面特征选择的效果在某种程度上是可预知的.

香烟分拣系统电子标签拣货作业节点的人机尺度适配

本文主要针对贵阳普天万向物流技术股份有限公司生产的香烟分拣系统拣货作业节点进行人机尺度适配设计,用第一层和第三层电子标签的高度关系建立约束方程,用人体关节舒适调节范围建立约束条件,经过计算得出设计变量的适配值。使人的特性与机器特性适当配合,从而能够准确、方便、舒适的操作,达到人-机系统的最优配置。

基于样本差异的多标签分类器评价标准预估

评价标准是分类器的重要指标。对于多标签学习,常用的评价标准有Hamming Loss、One-error、Coverage、Ranking loss和Average precision。多标签分类器给出分类结果的同时并未给出评价标准值,通常采用事后验算的方法评估评价标准。这样往往不能及时有效地发现评价标准值变化之类的问题,同时评估评价标准值需对测试样本进行标记。针对这一问题,分别从样本分布差异和样本实例间差异提出两种评价标准预估方法。分析上述两种方法的特点,提出第三种评价标准预估方法。实验表明,这三种评价标准预估方法具有良好效果,可用于迁移学习等。

海天背景下红外小目标检测与轨迹拟合

在复杂海天背景下机载红外相机对落水人员的搜救中,提出一种针对红外视频中小目标检测高效算法,本算法首先采用形态学滤波对视频预处理,在相对运动背景下采用时间戳的Hough变换去除海天线的影响,更新海面监控区域;其次使用三帧差分分割小目标,采用改进的等价对算法快速计算分割小目标连通区域并标记。最后利用梯度下降法迭代出小目标运动轨迹,预测落水人员位置。实验表明,该算法不仅能有效地去除海天背景达到实时更新运动背景的目的,而且能够高效地检测出运动目标并标记并拟合出曲线方程,在一定时间内可预测小目标出现位置以便及时搜救落水人员。

QLA-Means:检索结果聚类方法

针对搜索引擎检索大规模数据时结果聚类的性能有限问题,提出一种查询日志辅助的改进K-Means算法。将传统的K-Means聚类扩展为多层次聚类的形式,实现检索对象与检索结果之间的聚类;通过引入检索日志,辅助提升聚类的效果,实现检索结果推送的高相关性。实现结果表明,基于该算法的检索结果聚类,有着较高的准确率,检索过程的时间开销较低,综合效率与准确率而言,该算法是一种理想的检索结果聚类方法。

用标记松弛方法检测闪光图像边缘

描述了边缘检测的标记松弛法。在该方法基础上探索出了一条用于检测高能闪光图像边缘的新路子。整个处理过程分为两步 :第一 ,采用离散正交多项式曲面拟合技术探测边缘位置 ;第二 ,运用松弛标定网突出有意义的边缘结构和压缩噪声边缘。同时给出了运用此方法探测高能闪光图像边缘的结果。

冰花锤纹凹版印刷工艺参数研究

为了确定冰花锤纹凹版印刷达到特定油墨转移量的印刷速度、网穴深度和油墨黏度,为印刷工艺改进提供印刷参数支持,本研究利用改造后的BOBST凹版印刷机,实施云龙烟标印刷的试机实验,并对印品取样及分类处理后进行称重,用插值拟合法处理所得数据,得出符合印刷要求的印刷速度、网穴深度和油墨黏度。经上机实验可知,印刷速度为130m/min、水浴加热温度为80℃,油墨黏度为21s时,最利于油墨转移;基于以上条件,当网穴深度为70μm时,油墨转移量达到标准值1.65g/m^(2)。初步验证了冰花锤纹凹版印刷具有较高可行性,为冰花锤纹印刷提供了新的思路和方向。

双圆弧拟合曲线在参数化服装制版中的应用

针对服装CAD制版系统中存在的推版过程繁琐以及推版生成纸样单一等问题,介绍一种双圆弧拟合曲线的参数化服装制版方法。结合双圆弧拟合曲线原理以及AutoCAD软件中的几何约束和标注约束,通过定义参数和建立函数关系式构建参数化曲线约束模型。在此基础上以男衬衣原型前片为例,建立参数化样版,通过修改参数从而实现参数化驱动。结果表明,平均转角法双圆弧能较为准确地拟合服装曲线,参数化双圆弧约束模型能够约束和驱动曲线,并且建立的男衬衣原型参数化样版的任意参数均可调整。该研究优化了服装CAD制版系统的推版过程,为服装的参数化制图提供了可参考的路径和方法。

一种用于提升深度学习分类模型准确率的正则化损失函数

针对现有深度学习分类模型存在由标签边缘化效应引起的过拟合问题,提出了一种新的正则化损失函数--得分聚类损失函数.该函数为每个类别学习一个得分中心,将同类别样本的得分向得分中心聚集.得分中心经过softmax函数归一化后的概率向量,即为最佳的平滑标签.该函数避免了根据经验手工设置标签平滑系数,起到了自动平滑标签的作用,从而减轻了模型过拟合的风险.给出了得分聚类损失函数的定义和推导,并在刚性和非刚性图像分类任务上与其他正则化损失函数进行了实验比较.实验结果表明,应用本文的得分聚类损失函数能显著提高分类模型的准确率.

基于多变量标签分布的连续型姿态估计方法

人脸的头部姿态往往指示并传达着丰富的信息,准确估计头部姿态角度在人脸识别、表情识别等领域有重要作用。针对获得的人脸真实姿态角度往往存在一定的偏差且只包含有限个离散角度等问题,文中提出了一种基于多变量标签分布的连续型姿态估计方法。在训练阶段,对不同姿态角度,通过训练获得离散情况下的多变量标签分布;在测试阶段,采用正交多项式拟合的思想,将离散的分布拟合成连续的分布,计算分布的最大值所对应的标签作为最终的输出结果。文中在Pointing’04公开库上进行了测试,利用文中方法,在正交多项式拟合后,估计出的人脸的姿态角不再局限于训练集中的一些角度,而是有更多连续的值,所得的估计姿态角更接近于真实角度。实验结果表明,文中方法能够预测出更多的人脸姿态角度,并且预测更稳定。

回归核极限学习机的多标记学习算法

基于极限学习机(ELM)的多标记学习算法多使用ELM分类模式,忽略标记之间存在的相关性.为此,文中提出结合关联规则与回归核极限学习机的多标记学习算法(ML-ASRKELM).首先通过关联规则分析标记空间,提取标记之间的规则向量.然后通过提出的多标记回归核极限学习机(ML-RKELM)得出预测结果.若规则向量不为空,将规则向量与预测结果运算得出最终预测结果,否则最终结果即为ML-RKELM的预测结果.对比实验表明MLASRKELM与ML-RKELM性能较优,统计假设检验进一步说明文中算法的有效性.

基于标记分布学习的异态集成学习算法

为了提高预测的准确性,文中结合机器学习中堆积(Stacking)集成框架,组合多个分类器对标记分布进行学习,提出基于标记分布学习的异态集成学习算法(HELA-LDL).算法构造两层模型框架,通过第一层结构将样本数据采用组合方式进行异态集成学习,融合各分类器的学习结果,将融合结果输入到第二层分类器,预测结果是带有置信度的标记分布.在专用数据集上的对比实验表明,HELA-LDL可以发挥各种算法在不同场景下的性能较优,稳定性分析进一步说明算法的有效性.

标记平面立体线图的自适应遗传算法

针对由理查德·迈尔斯提出的标记线图的遗传算法进行改进:采取自适应参数调整法,同一代中适应度高于平均的个体杂交和变异率动态变化,适应度低于平均的个体杂交和变异率设为定值;在创建初始种群时加入了约束条件,旨在改善初始种群覆盖空间的不确定性和个体分布的相对不合理性;修正了遗传算法的适应度函数,使得以个体适应度为指标的选择算子能正确引导算法搜索解空间。用遗传算法标记6幅不同的线图,变量为杂交率、变异率公式中的参数a和c,分析算法标记成功率曲线的变化趋势,探讨算子参数设置对遗传算法性能的影响,结果表明c属于区间[0,0.05],a属于区间[0.8,1.0]且为标记线图的遗传算法的最优参数设置。

基于核极限学习机的标记分布学习

标记分布学习作为一种新的学习范式,利用最大熵模型构造的专用化算法能够很好地解决某些标记多样性问题,但是计算量巨大。基于此,引入运行速度快、稳定性更高的核极限学习机模型,提出基于核极限学习机的标记分布学习算法(KELM-LDL)。首先在极限学习机算法中通过RBF核函数将特征映射到高维空间,然后对原标记空间建立KELM回归模型求得输出权值,最后通过模型计算预测未知样本的标记分布。与现有算法在各领域不同规模数据集的实验表明,实验结果均优于多个对比算法,统计假设检验进一步说明KELM-LDL算法的有效性和稳定性。