基于图论的排样残料特征提取方法研究

对于一些零件图形较复杂的排样问题,由于其自身形状的原因,不管如何排样,都会存在残料。针对这一问题,结合图论的基本原理,提出了一种基于图论的排样残料特征提取算法。首先建立几何规则,对排样图进行处理后建立有向图,将残料特征提取问题转化为求图的内部面问题;然后构建了一种基于深度遍历的链式搜索算法对简化后的图进行遍历,提取出残料特征;最后给出了算法的流程,并以实例验证了该方法的有效性。     

变权重多目标进化算法研究

大多数现有的多目标进化算法每一个循环都要对种群中的部分或全部个体进行排序或比较,使得计算量很大。本文介绍了一种基于变权重线性加权的Pareto轨迹法WSTPEA---Weighted Sum Approachand Tracing Pareto Method),算法采用线性加权法对多目标优化问题加以改造,通过对权重加一个增量来得到邻近的非劣解,每执行一个循环步骤求得一个非劣解。通过权重变化次数控制算法循环的次数,从而使整个种群遍历Pareto曲线(面)面。文中给出了算法的流程图,并且对两个实验测试问题进行了计算,最后对结果进行了分析。     

基于多特征联合的多目标识别算法研究

针对生产线上多个手机膜同时出现在视野内时识别准确率较低的问题,提出一种基于多特征联合的多目标识别算法。该算法首先对相机采集到的图像进行预处理,得到目标的二值图像;其次,对其进行连通域标识得到若干个待定目标,并根据单个目标的面积排除一些非真实目标;然后对所得到的真实目标进行聚类得到若干类目标;最后从得到的每类目标中选取一个目标进行特征提取并与标准模板进行匹配,从而确定每一类目标的类别。结果表明,该算法对多个手机膜的识别是有效的。     

基于多视图自编码器及高斯模糊的缺陷检测方法

针对传统全连接自编码器输入数据的每个维度与所有隐层特征相连,导致模型无法有效分离缺陷、背景和噪声信息的问题,提出了一种基于多视图自编码器(Multi-view Autoencoder, MAE)及高斯模糊的缺陷检测算法。其将隐层神经元划分成公共空间和私有空间两部分,经过多视图自编码器模型非线性特征提取后,将隐层特征还原为图片,经高斯模糊进一步降低背景和噪声对缺陷区域的干扰,引入了局部信噪比的概念。结果表明,局部信噪比的引入降低了特征提取后无缺陷区域像素值大小对信噪比的影响。高斯模糊算法进一步增加了缺陷区域和无缺陷区域的对比,尤其是对深层且细小缺陷的提升效果更好,验证了该算法的有效性和可行性。     

电子商务环境下智能化人脸识别及其客流分析

随着社会经济快速发展,电子商务行业竞争愈发激烈,这对电子商务企业提出了新的要求,为满足不断增长的客户需求和服务,本文提出了一种电子商务线下实体店人脸识别算法,首先,把智能化技术引入到人脸识别中,借助云端技术实现数据存取,创建了硬件环境支持,研究了人脸识别技术的基本思想和方法,将样例图像扭转到同一角度下,经特征提取后与查询图像匹配比较,实现对扭转的鲁棒性和不变性。其次,提出一种线性分析算法,实现人脸识别数据和销售预测数据拟合,对电商企业实体店客流影响下的数据关系做出实证分析。     

几种图的生成树的数目

连通图G的生成树是它的极小连通生成子图。对给定图G来说,如何精确求解出图的全部生成树的数目,是图论中一个重要的问题;对于特殊的图类已经有着各种各样的计算方法,文章利用图的K irchhoff矩阵研究了一些图类的生成树的数目,并给出了相应的生成树数的计算公式。     

利用少量标签训练集的半监督OLTV算法的设计

目前,大多数半监督学习算法都要使用大量的带标签训练样例集,当只有一个带标签训练样例时许多方法便不再适用。因此,基于两个充分视图工作的OLTV算法被提出来了。本文实现了此算法,并对充分视图的构建进行了讨论。对于特定的数据集,首先对它进行属性划分,得到两个充分视图;然后再执行OLTV算法,这样由一个初始标签训练样例便可以得到两个新的标签样例。最后在公共数据集上的实验验证了所提出算法的有效性。     

不定点选址的科学方法

本文利用图的理论,就不定点选址问题试做探讨;并利用分枝定界思想,提出简捷的判别方法.这对图论的普及应用具有一定意义.     

IEEE802.11b的DCF退避算法实现技术探究

本文研究了无线局域网IEEE802.11b的MAC层基于随机竞争的分布式协调功能（DCF：Distributed Coordination Funct0ion）的基本信道访问方式的实现技术。DCF主要包括载波侦听机制、随机退避机制、帧优先级机制等。它定义了两种工作方式,一种是基本访问方式CSMA/CA,基于物理信道的载波侦听;另外一种是基于RTS/CTS虚拟载波侦听,这种方式在CSMA/CA的基础上增加两个长度特别小的数据包RTS和CTS来克服＂隐藏终端＂问题。可以通过对这两种载波侦听机制的研究,并利用SDL图和状态转移图,完成退避算法的软件实现。     

基于Contourlet变换的纹理图像分割方法研究

Contourlet变换是为了解决二维小波变换缺乏几何结构特征而提出的一种多尺度几何变换,它是一种多分辨、多方向和局部的图像表示方法,它具有各向异性尺度关系,其基函数支撑区间的长宽比随尺度变化而变化,能以接近最优的方式描述图像边缘.本文首先研究了了Contour-let变换的基本思想和算法,提出了一种基于Contourlet变换的纹理图像特征提取方法,最后结合模糊聚类分析对纹理图像进行分割,实验结果表明该方法优于其他方法.     

网络舆论话题分类算法研究与实证分析

针对网络舆论话题的复杂性,设计实现了一种基于主成分分析法和朴素贝叶斯的网络舆论话题分类算法。首先使用主成分分析法对建立的舆论话题内容向量进行降维处理,并去除列向量之间的相关性,然后使用朴素贝叶斯算法进行分类分析,最后用实验对算法的有效性进行了验证。通过与其他分类算法的对比,可得到基于主成分分析法和朴素贝叶斯的网络舆论话题分类算法的分类效果或算法开销要优于其他一些分类算法.     

并行ETL流程的回环检测和执行控制

ETL工具必须能够并行执行ETL流程才能提高服务器的性能，据此，提出了用有向图解决数据集成中并行ETL流程的运行顺序问题，并根据ETL流程的特点提出用邻接表来存储一个有向图的信息，在流程的执行顺序上，采用基于有向图邻接表的深度优先遍历，并给出了具体算法流程；提出用有向图的回路检测解决流程的回环检测问题，并根据ETL工作中流程教少的特点改进了检测算法，降低了算法的实现复杂性，并给出了算法流程。     

上市公司财务失败预测模型的预测能力比较

通过实证分析，建立了判别分析模型、主成分模型、主成分逻辑回归模型以及基于快速BP算法的ANN仿真模型四种财务失败预测模型，并对它们的预测能力进行了比较。结果表明，这四种方法都可以用来进行财务失败预测，但预测的效果是有差异的，基于快速BP算法的”州仿真模型是最有效的一种方法。     

最大熵分布估计算法及其在旅行商问题中的应用

分布估计算法是一种基于遗传算法的种群进化算法，但在处理较大规模的旅行商问题时容易过早陷入局部最优．针对这一情况，将最大熵理论引入分布估计算法，对其概率分布模型及种群生成策略进行改进，提出了一种最大熵分布估计算法．并基于旅行商标准测试库TSPI。IB进行了实例仿真测试，结果表明，最大熵分布估计算法的性能得到了有效的改善．     

基于拓扑学识别理论的身份鉴定研究

在已有仿生模式研究基础上,提出了一种新型的鉴别方式——拓扑学识别.该识别方法在欧几里得高维空间中进行特征提取,拟建立一种单自由度神经元模型,经过高维空间训练样本后进行分类.通过实验,测试ORL人脸库与Yale人脸库中的图像,印证了该方法的可行性与优越性.     

大电网最优潮流问题的解耦算法综述

对最优潮流（OPF）解耦算法发展历史进行简单介绍。又对目前几种较为常用的OPF解耦算法进行简单的原理介绍与分析。详细介绍了较为成熟的两种算法：基于辅助问题原理的OPF解耦算法和基于近似牛顿方向的OPF解耦算法，并分析比较了它们的优缺点。     

图论教学方法研究

图论提供一种离散教学的模式,在教学中要克服学生的难学心理,可把几何图形当作图论中图的模型,注意新旧知识、新新知识的区别和联系,通过精心设计的例题来展现新知识的应用,用图论知识来解决古典问题和现代科技中的相关问题,培养学生的能力。     

二次挖掘的关联规则增量更新算法

针对事务数据库的内容不断增加后相应关联规则的更新问题,提出了一种二次挖掘的关联规则增量更新算法(TMIUA).TMIUA算法充分利用第一次挖掘得到的原数据库中的频繁项集,对新增数据库挖掘得到新增频繁项集;只需对原事务数据库扫描一遍 ,提高了关联规则的更新效率;并与已有的FUP算法进行了分析比较.     

基于摄像机位置的大规模粒子云绘制加速算法

粒子云团作为一种场景仿真的重要元素,具有数量大、分布不均匀、覆盖面广的特点,实时模拟很困难。为解决现有算法绘制速度慢的问题,提出了一种基于摄像机的非均匀分层加速算法,降低了冗余粒子数。在一个场景仿真程序中对算法进行效用测试,实践证明此算法在保证画面效果的同时提高了绘制速度。     

基于PCA-PSO-SVM的边坡稳定性预测

论文通过主成分分析(Principal Component Analysis,PCA)的方法,对影响边坡稳定性的6个因素(坡高、坡角、内聚力、内摩擦角、容重和空隙压力比)进行了特征提取,消除影响因素间的相关性,降低维数;然后引进支持向量机(Support Vector Machine,SVM)方法对降维处理后的数据集进行训练,并利用粒子群优化方法(Particle Swarm Optimization,PSO)对SVM的参数进行优化;最后,通过对36组工程边坡实例中的31组进行仿真回归,建立了边坡稳定性的PCA-PSO-SVM预测模型,并对余下的5组进行预测。通过对比模型预测结果和实际值得出:模型预测结果的最大绝对误差为0.058,最大相对误差小于3.90%,满足实际工程的需要。从而表明,基于PCA-PSO-SVM算法的边坡稳定性预测模型在实际工程中具有较高的应用价值。