基于混合编码遗传算法的最优跟踪门

跟踪算法优化可以提高跟踪质量,选择恰当的跟踪门是优化跟踪算法的关键措施之一。本文提出了一种基于混合编码的遗传算法,用于杂波环境下目标跟踪过程中跟踪门参数的离线优化。该算法将二进制编码与浮点数编码结合,对跟踪门的形状和大小进行混合编码,选择跟踪精度性能指标构造遗传算法的适应度函数,以此将跟踪算法的优化问题转化为遗传算法寻优,在不同杂波环境下优化跟踪门参数设置。     

GA-BP神经网络在拮抗药化合物活性模式识别中的应用

目的:改进传统的BP算法,建立有效的药物活性识别模式。方法用遗传算法(GA)优化误差反向传播(BP)算法,两者结合构成混合算法。结果有效地解决了常规BP算法收敛速度慢、易陷入局部极小和GA算法独立训练神经网络速度慢等缺点。结论GA-BP结合构成的神经网络是一种有效的药物活性识别模式,可获得满意的预测结果。     

基于免疫网络理论的动态超变异免疫算法

基于免疫网络理论,提出了一种动态超变异免疫算法,该算法通过采用新的超变异方法增强了算法在解域的搜索能力。同时根据抗体的激励水平进行免疫调节操作,保持了抗体群的多样性。最后根据随机过程的理论知识,证明了该算法的收敛性。仿真结果表明:该算法采用格雷编码时的性能优于用二进制编码实现的算法,与遗传算法和克隆选择算法相比,不仅收敛速度快,而且全局搜索能力强。     

基于遗传搜索和模板匹配的快速运动估计

基于遗传算法的运动估计具有较好的全局寻优能力,但其过高的算法复杂度需要很大的计算和存储开销,增加了编码时间;另一方面,传统的基于遗传算法的运动估计普遍采用较低的遗传迭代次数,降低了遗传算法的搜索精度。为解决传统算法搜索时间长和搜索精度低的缺陷,提出了一种基于遗传搜索和模板匹配的混合算法。该算法结合多种运动矢量的预测方法以及运动矢量的统计特性设计了3种终止策略,使用模板匹配算法对遗传搜索过程进行优化。实验结果表明：该算法在确保编码质量的同时,能大幅缩减搜索点数和编码时间。     

一种几何图形目标的检测之遗传算法

提出一种遗传算法用来检测图像中的几何图形。将待检测几何图形的参数,采用浮点数编码。参照经典的HOUGH变换,构造个体的适应度函数。采用最优保存策略,将群体中适应度最高几位的个体,直接复制到下一代群体中,其余的个体,使用多点交叉运算和均匀变异运算,形成新的个体,遗传到下一代群体中。当满足算法结束条件时,将群体中适应度最高的个体经解码后,作为检测出来的几何图形的参数。本文提出的遗传算法,能够消除噪声干扰,收敛性好,计算结果精确。与经典的HOUGH变换相比,本算法时间和存储空间开销小,易于计算机编程的实现。     

一种几何图形目标的检测之遗传算法

提出一种遗传算法用来检测图像中的几何图形，将待检测几何图形的参数，采用浮点数编码。参照经典的HOCGH变换，构造个体的适应度函数，采用最优保存策略，将群体中适应度最高几位的个体，直接复制到下一代群体中，其余的个体，使用多点交叉运算和均匀变异运算，形成新的个体，遗传到下一代群体中，当满足算法结束条件时，将群体中适应度最高的个体经解码后，作为检测出来的几何图形的参数。本文提出的遗传算法，能够消除噪声干扰，收敛性好，计算结果精确，与经典的HOUGH变换相比，本算法时间和存储空间开销小，易于计算机编程的实现。     

小样本量大肠癌数据对BP神经网络准确度的影响探讨

采用二进制编码对数据进行量化,建立基于BP神经网络的大肠癌证型分类模型并分析其优势,探索8个证型的样本量对BP神经网络准确度的影响,通过删减较少样本的大肠癌证型得出样本量与准确度的量化关系。     

混合遗传算法在随机规划问题中的应用

以含有机会约束的生产管理动态规划问题为例,基于随机模拟技术的混合遗传算法实现最优化决策,构造了数学模型。采用ＶＢ编辑,计算机模拟结果显示该模型能很好解决生产过程中的最优化决策问题,它是简单的基于二进制编码的遗传算法所不能解决的。该算法具有很高的鲁棒性,避免了在局部最优解附近徘徊,且因为随机规划问题要求许多数学知识,而算法本身并不要求对优化问题的性质作一些深入的数学分析,从而对那些不太熟悉数学理论和     

基于BP神经网络与决策树的大肠癌虚实证型分类对比

采用二进制编码对症状数据进行量化,将专家归纳的8个证型分为虚实两证并赋值量化,建立基于BP神经网络与决策树的大肠癌虚实证型分类模型,结果显示BP神经网络分类模型较决策树分类模型更适合于非线性映射关系的处理。     

基于改进量子遗传算法的小波神经网络优化及其软测量应用

针对简单量子遗传算法在优化高维问题寻优速度慢、收敛率低的缺陷,提出一种改进的量子遗传算法,通过搜索各种群中最优染色体组成当前最优个体,并依此个体来确定量子门的全局最优搜索方向.将改进算法用于优化小波神经网络,藉此建立了4-CBA浓度的软测量模型.仿真结果表明:与简单量子遗传算法相比,改进算法对复杂优化问题具有全局快速寻优性能.     

智能辅助诊疗平台设计与探索

设计开发智能医生助理平台,应用贝叶斯分类、人工神经网络和关联规则算法,分别实现智能分诊、智能诊断以及智能优选处方等医疗辅助功能,从而改善就医环境,提升医疗服务水平。     

PageRank算法与HITS算法比较研究

对PageRank算法和HITS算法的基本思想和具体算法进行介绍,从算法思想、权重的传播模型、处理的数据量及用户等待时间几方面对两种算法进行比较,并分析其各自的优缺点。     

基于论文相似网络拓扑结构的聚类方法比较

以R语言中的复杂网络处理包igraph为工具,基于语义相似性算法构建论文相似网络,然后采用四种代表性网络聚类算法（随机游走法、标签传播法、最大模块度法、边介数法）对构建出的网络进行聚类分析。最后结合金标准和网络社团划分评价指标D函数比较四种算法的准确性和稳定性,发现随机游走算法最为卓越,同时明确了复杂网络的预处理也是一个影响聚类效果的重要因素。     

基于量子行为的模拟移动床的操作优化

模拟移动床是一种能实现连续分离的装置,由于模拟移动床模型复杂,性能指标众多,因此需要智能算法对模拟移动床的性能指标进行优化。本文运用遗传算法、粒子群算法对模拟移动床线性吸附等温线下的性能指标进行单目标优化,并利用加入量子行为的粒子群和遗传算法作比较,证明了量子理论在解决模拟移动床优化问题的优越性,然后运用NSGAⅡ算法、MOPSO算法对模拟移动床线性吸附等温线下的性能指标进行多目标优化和对比实验,仿真结果验证了所用方法的有效性。     

分班问题的拉斯维加斯算法实现

介绍了蒙特卡罗和拉斯维加斯两种随机算法的概念、特征，比较了两种算法在求解时的区别．利用分班问题实例，探讨了两种算法的解决方法，并重点介绍了拉斯维加斯算法的实现方案．     

三维肝脏CT图像中的血管分割

为了更好的了解血管生理形态,常需要从医学图像中分割出血管。采用传统的单阈值区域生长算法进行血管分割。如果选取的阈值太高可能导致血管末梢的丢失,而如果选取的阈值太低则可能会导致一些不属于血管的点被生长到血管区域中。因此,提出了一种基于Ordered Region Growing（ORG）算法的双阈值区域生长算法来克服这个缺点,实验证明这种算法能够获得较好的血管分割效果。     

云计算中基于进化算法的任务调度策略

任务调度是云计算的关键问题之一,它的调度策略与算法直接影响到云计算系统的性能与成本。通过研究基于粒子群算法和遗传算法的任务调度策略,提出了一种基于进化策略的PSO-CM算法。该算法通过在粒子群算法中引入遗传算法的交叉变异策略来提高粒子群算法的全局收敛效果,并且证明了PSO-CM算法是一种全局收敛算法。Matlab仿真实验表明,该算法能够达到全局收敛,且收敛速度和稳定性优于传统的调度算法。     

黑色珍珠的无机染色

为了对化工动态系统进行快速的全局优化,结合并加强迭代动态规划算法和一阶梯度算法的优势,同时利用随机搜索和定向搜索,提出了基于一阶梯度算法的迭代动态规划算法,通过2个化工生产实际例子应用,证明了该算法具有高效、高精度、全局性好等特点。     

乙酰化生物学研究进展

在网络节点数量不断增加的情况下,JXTA基于洪泛的路由策略会使得网络中出现很多冗余的数据包,致使网络拥塞、路由效率低下,难以适应复杂的网络环境。结合蚁群算法和随机游走算法提出了一种动态路由算法,该算法对路由解析请求信息的转发规则做出改变,减少路由解析请求信息的转发数量,从而对JXTA的路由策略进行改进。利用Peersim网络模拟器进行了网络仿真实验,实验结果表明改进的路由算法可以明显减少冗余数据包的数量,有效提高了JXTA网络的路由效率。