一种改进的基于分水岭的图像分割算法

针对分水岭算法过分割现象,提出一种综合分水岭算法、中值过滤算法和归一化割算法的改进算法。该算法首先应用改进型的中值过滤算法对图像进行适当的除噪;然后通过分水岭变换对图像进行了初步分割,最后使用归一化割算法进行图像精度分割。算法集合了分水岭算法、中值过滤算法及归一化割算法的优点,既较好地解决了分水岭算法中过度分割的问题,又降低了归一化割算法的时间复杂度。实验结果表明该算法是一种切实可行的图像分割方法。     

基于量子蚁群算法的旅行商问题求解及算法评估

量子蚁群算法是一种将量子理论与传统蚁群算法结合的高效生物进化算法,主要应用于故障诊断、路径规划、图像分割等问题的优化.基于传统蚁群算法的流程,介绍量子蚁群算法中的量子理论基础以及量子理论如何应用于蚁群算法.通过若干旅行商问题实例分析量子蚁群算法较传统蚁群算法的优势.针对目前研究多以离散指标来评估不同算法、难以直观显示不同算法综合差别的问题,提出一种综合评估算法搜索效率的方法,成功应用于量子蚁群算法和传统蚁群算法的对比,具有一定的实践意义.     

多种运动补偿算法在电子稳像中的比较及应用

对Kalman滤波算法、均值滤波算法,高斯算法、曲线拟合算法、阻尼系数算法进行了比较和分析.采用Laplacian位面法得到多个抖动视频的运动估计向量作为运动补偿对象,对上述算法进行验证,为电子稳像应用中运动补偿算法的选取提供了参考依据.结果表明,阻尼系数算法除了系数不能自动调整以外,补偿效果较好.最后针对阻尼系数算法的不足,提出了一种改进的自适应阻尼系数运动补偿算法.该算法相对于改进前具有更强的稳健性和更好的补偿效果.     

鲁棒惯性地形辅助导航算法研究

传统的地形轮廓匹配(terrain contour matching, TERCOM)算法在速度误差和航向误差较大时可靠性下降,基于扩展Kalman滤波的北航惯性地形辅助惯性导航(BUAA inertial terrain aided navigation, BITAN) 算法在初始位置误差或高度表测量噪声较大时,系统无法准确定位,导致系统的鲁棒性降低. 为解决上述问题,对BITAN算法进行改进,发展了鲁棒北航惯性地形辅助导航(robust BUAA inertial terrain aided navigation, RBITAN)算法. RBITAN算法根据平均绝对差、均方差和交叉相关算法的统计决策信息设计了搜索模式算法,以基于扩展Kalman滤波原理的BITAN算法作为跟踪算法, 综合了TERCOM算法和BITAN算法的优点,提高了算法的鲁棒性.利用真实的数字高程模型和试飞数据进行仿真验证, 并和BITAN算法进行比较.仿真结果验证了RBITAN算法可以在较大初始位置误差和较大高度表测量噪声时准确定位, 提高了算法的鲁棒性.     

布里渊散射谱参数提取问题的混合优化算法研究与应用

提出了一种将Particle Swarm Optimization(PSO)算法和Levenberg-Marquardt(LM)算法按概率混合优化的新算法,将其用于Pseudo-Voigt型布里渊散射谱以提高其拟合度和频移提取精度。新算法以PSO算法为主框架,首先用PSO算法进行全局搜索,在优化一定次数后每次优化随机产生一个概率rand(0,1),若rand(0,1)小于或等于事先设定的概率P,则把PSO算法得到的最优解作为LM算法的初值进行局部深度搜索,将LM算法得到的最优解替换先前PSO算法的最优解,继续使用PSO算法进行全局搜索;若rand(0,1)大于P则仍然用PSO算法搜索,等待下一次优化产生随机概率rand(0,1)进行判断,交替使用两种算法直至获得理想的全局最优解。仿真分析和实验表明,新算法克服了单一算法的缺点,提高了布里渊散射谱的拟合度和频移提取的精度,充分证明了新算法的实用性和可行性。     

超指数判决反馈水声信道盲均衡算法实验研究

利用超指数算法收敛速度快的优点,对判决反馈盲均衡算法的前向权向量的迭代式进行了修正,提出了一种新的判决反馈盲均衡算法。该算法具有收敛速度快,跟踪性能好等特点。通过水池实验,获得了符合盲均衡算法统计特性的BPSK数据,对所提出的算法与自适应判决反馈均衡算法,常数模盲均衡算法等进行了对比分析。结果表明,该算法可以有效的降低误码率,且收敛速度要优于其他算法,可靠实现了对多途水声信道的均衡。     

基于LMS/SOLMS算法的时变多径水声信道估计方法

缓变信道下基于LMS算法的信道估计算法具有较好的跟踪性能,但对快变信道,LMS算法跟踪性能下降。SOLMS算法具有比LMS算法更好的跟踪性能,尤其是在快变的信道下。但由于SOLMS算法在收敛阶段的振荡性,这时收敛速度较LMS算法慢。本文提出一种收敛模式下用LMS算法获得信道的参数,收敛后则切换成SOLMS算法跟踪信道的变化的信道估计方法。新方法结合了LMS算法收敛快和SOLMS算法跟踪性能好的优点。对时变多径水声信道估计的计算机仿真实验证明了该方法的有效性。     

故障诊断算法在MapReduce中的优化实现

针对故障诊断算法特点,给出了MapReduce框架实现故障诊断算法的基本方法。通过对故障诊断算法和MapReduce运算框架的分析,得出诊断算法MapReduce化的基本方法和思路。在算法研究的基础上,针对非迭代诊断算法,采用传统MapReduce框架实现。针对迭代诊断算法,采用添加了传送模块的迭代式MapReduce框架实现。分别以最近邻法和模糊C均值聚类算法为例,给出非迭代和迭代诊断算法MapReduce化的具体实现。实验结果表明,本文所提基本方法可以运用在故障诊断算法中,为诊断算法MapReduce化提供依据,将MapReduce运用到故障诊断算法中可以有效提升故障诊断效率。     

基于人眼视觉特性的彩色图像自适应增强算法

针对有些图像增强算法对噪声比较敏感,提出了一种自适应图像增强算法.利用原算法的基本原理,结合人眼的视觉特性自适应地生成算法的参数,这样首先保留了原算法实现容易、运算速度快等特点,其次,对噪声具有一定的抑制作用,再次,可以增强和保留图像细节信息.通过实验比较,所提算法能够自适应地生成算法的参数,并在保持了原算法原有的容易实现的优点的基础上,提高了算法抑制噪声方面的性能,将该算法应用于彩色图像增强也取得了相当理想的结果.     

边界扫描测试算法的分析与优化

伴随着电子技术和边界扫描测试技术的飞速发展,新的边界扫描测试算法也在不断涌现;而边界扫描测试的算法,一般都是指在互联模型的基础上,边界扫描测试向量的生成算法;生成合理的测试向量集可以以最短的测试时间来覆盖尽可能多的故障;从对一些常用的边界扫描测试算法进行了粗略的分析,到后来对等权值算法和二进制计数算法进行了详细的分析,通过引入和分析边界扫描测试算法的定理、公式以及推论等,分别提出了等权值优化算法和权值递加算法;与优化前的算法作为比较,等权值优化算法降低了征兆混淆出现的概率,而权值递加算法同时降低了征兆误判率和征兆混淆率;综合分析,新的算法更好的权衡了测试向量集的完备性指标和紧凑型指标。     

用于相移点衍射干涉仪的加权最小二乘相位提取算法

针对现有的相位提取算法只对某些特定的误差不敏感,不能满足高精度光学检测的要求,本文引入一种等间隔多步移相算法—权重待定的加权最小二乘算法。通过在最小二乘算法中添加待定的权重,分析移相点衍射干涉仪中多种误差源对算法的影响,获得多组约束方程,从而确定权重和新算法。对新算法和标准四步算法、Hariharan五步算法进行比对分析,验证了新算法对PZT线性和二阶非线性移相不准、光强的一阶二阶波动和光源频率一阶二阶波动等误差抑制能力远远优于标准四步算法和Hariharan五步算法;新算法对CCD的量化误差、光强噪声、频率噪声的抑制能力也具有一定优势,且对CCD的二阶响应非线性完全不敏感。     

基于二进制粒子群算法的认知无线电决策引擎

提出了基于粒子群算法的认知无线电决策引擎,并提出了一种种群自适应粒子群算法,利用粒子群算法调整优化无线电参数,运用多载波系统对算法性能进行了仿真分析.实验结果表明基于二进制粒子群算法的认知决策引擎在收敛速度、收敛精度和算法稳定性上都要明显优于经典遗传算法,基于种群自适应粒子群算法的决策引擎则能进一步提高算法初期性能,满足认知无线电实时性要求. 关键词： 认知无线电 粒子群算法 遗传算法 认知决策引擎     

基于图像灰度梯度最大值累加的自动调焦算法

从光学系统出发介绍了基于图像处理的离焦图像成像原理,分析了传统基于灰度梯度的自动调焦算法的缺陷——灰度梯度考虑不全面并且易受噪音影响.针对传统算法不足,提出了基于图像灰度梯度最大值累加的自动调焦算法.该算法通过计算中心像素的八邻域灰度梯度,以自动聚焦区域内各像素最大灰度梯度与最大灰度与最小梯度差值乘积之和作为新的评价函数,分析了该算法可以抑制噪音影响的原理;介绍了焦点搜索自适应变步长爬山算法原理和实现过程;最后进行算法性能实验验证.首先,利用不同算法对序列图像和加入高斯噪音的图像进行清晰度评价,结果证明该算法对含噪图像的清晰度评价准确,与传统算法相比该算法在抑制噪音方面具有优越性;其次,用不同聚焦算法进行序列图像自动调焦实验,结果显示传统算法会出现错误聚焦的情况,而该算法聚焦准确迅速,相比于传统算法具有明显优势.     

基于BADV-Hop的传感器节点定位方法

针对无线传感器网络节点的定位误差较高的问题,提出蝙蝠算法校正DV-Hop算法的传感器节点定位精度提高方法(BADV-Hop);首先测量未知节点与锚节点之间的距离,然后采用DV-Hop算法初步确定未知节点的坐标,再采用蝙蝠算法校正DV-Hop算法的定位误差,最后在Matlab 2012平台上对算法性能进行仿真分析;实验结果表明,相对于DV-Hop算法,BADV-Hop算法提高了传感器的节点定位精度。     

改进的正交匹配追踪的语音增强算法*

为了提高传统正交匹配追踪（Orthogonal Matching Pursuit,OMP ）算法的语音增强性能和运算速度,本研究基于稀疏编码理论,提出了一种改进的OMP算法的语音增强算法。其一,将K-奇异值分解（K-singular value decomposition,K-SVD）算法与OMP算法相结合,通过设置能量阈值的方法,提高OMP算法的语音增强性能;其二,通过改进传统OMP算法中信号稀疏逼近的计算方法,提高算法的运算速度。改进的OMP算法的语音增强算法与传统K-SVD语音增强算法相比,采用PESQ评价增强语音的质量,NCM评价语音的可懂度。在NCM的值基本保持不变的情况下,PESQ的值平均提高约12.47%,取得了更好的增强效果。取得了更好的增强效果。改进的OMP算法的运算速度与传统OMP算法相比提高近一倍。     

红外气动退化图像复原校正的复合算法研究

鉴于气动效应图像退化因素的复杂性和随机性,单一复原算法难以满足要求,提出构造复合算法来提高湍流退化图像复原质量的思路,综合各种基于不同理论模型和应用对象的实用算法,实现优势互补。给出了现有算法结合的主要途径,主要探讨了基于统计理论的MAP复原算法与基于正则化理论的总变分算法复合后各算法结构的自适应调整和改造以及各种参数的自适应性选择问题。充分利用各算法的优势,完成基于算法结构相对稳定的智能化组合。在微机上进行了一系列的复原对比实验。实验结果表明：复合算法提高了图像的总体复原质量。     

Monte-Carlo法模拟二维Ising模型 ——Metropolis、Swendsen-Wang与Wolff算法的对比

Ising模型是一种应用广泛的磁自旋相互作用模型,其二维情况严格求解极为复杂,实际应用中通常利用Wolff算法进行模拟.Wolff算法目前被认为是最好的聚类翻转Monte-Carlo算法.Metropolis和Swendsen-Wang算法同Wolff算法类似,理论上也适用于Ising模型的模拟,却未有文章将三者系统对比来说明Wolff算法的优越性,本科课程对于Monte-Carlo算法的介绍也较少.本文分别利用三种算法模拟了二维Ising模型,介绍了其算法原理、参数选择及实现方式,分析对比了三种算法的模拟效果和适用范围,从而总结说明在二维Ising模型的模拟中Wolff算法效果更好的原因.     

Arnoldi方法简述及其在流动稳定性中的应用

流动稳定性问题常常归结于巨型非对称矩阵特征值问题。多数求解巨型非对称矩阵特征问题的算法均是经基本的Arnoldi算法演化而来。首先简述基本的Arnoldi算法; 其次简述基于Arnoldi算法的几类变体, 如显式重启Arnoldi算法,隐式重启Arnoldi算法与多重隐式重启Arnoldi算法; 最后基于Arnoldi算法及其变体结合谱位移技术求解计算流动稳定性问题, 并通过数值实验比较可知结合谱位移技术的多重隐式重启Arnoldi算法的求解效率最高。      

基于改进量子PSO算法的可约束车辆路径优化

为了求解有能力约束的车辆路径优化问题,提出了用于可约束车辆路径优化的改进量子PSO算法。首先给出了车辆路径的数学模型,介绍了粒子群算法;然后提出了改进量子粒子群算法,该算法采用了2-opt,1-1交换等局部优化算法那进行线路内和线路间的优化,引入种群熵算法的方法来衡量算法那是否陷入局部最优,采用灾变的操作保证解得多样性,并给出了该算法用于求解车辆路径的有关问题的具体方法;通过与别的算法的比较并结合仿真实验,有效地说明了该算法的可行性和有效性。     

基于XML数据挖掘的Apriori算法的研究与改进

XML以其诸多优点,迅速成为不同领域间信息表示与交换的标准。大量XML数据的出现给数据挖掘带来了新的挑战。挖掘XML数据关联规则的大部分工作都是基于Apriori算法的研究。对Apriori算法的基本方法与效率进行了分析,指出其不足,并提出了改进的XApriori算法,该算法基于新的数据结构,利用Hash表的存储技术以及对Apriori算法的优化来提高查找频繁项集的效率。对Apriori算法和XApriori算法进行了比较,实验结果表明改进的XApriori算法优于Apriori算法。