基于头脑风暴优化的PCNN路面裂缝分割算法

为提升裂缝检测的分割精度和鲁棒性,基于头脑风暴优化（brainstorming optimization,BSO）和脉冲耦合神经网络（pulse coupled neural network,PCNN）,提出了一种路面裂缝图像分割算法（BSO-PCNN）. 该算法采用最大熵准则作为BSO算法的适应度函数,并依据适应度值决定参与次轮迭代的个体;BSO具有强收敛性,可快速确定最优个体解;结合图像特征,获得PCNN模型的最优参数,将其代入PCNN模型实现对裂缝图像的分割. 试验结果表明:算法可在20次迭代内取得不同类型路面裂缝图像的最大适应值,从而确定最佳分割参数;与Sobel边缘检测算法、PCNN图像分割算法、基于最大熵的遗传算法（genetic algorithm based on the maximun entropy of the histogram,GA-KSW）、基于遗传算法参数优化的PCNN分割算法（genetic algorithm based on the pulse coupled neural network,GA-PCNN）相比,BSO-PCNN算法取得了0.9924的区域一致性与0.0900的区域对比度.      

缓和曲线正交拟合的Levenberg-Marquardt算法

为了由测量点识别既有线路中的缓和曲线参数，研究了基于参数方程的缓和曲线正交拟合迭代优化方法. 首先，通过特征值分析，阐明了由于病态性的存在，在迭代过程中，常规的Gauss-Newton （GN）算法会发散. 其次，提出了双目标优化模型，将GN算法与最速下降法结合，确定了正交拟合缓和曲线的Levenberg-Marquardt （LM）算法. 同时提出了在寻优过程中，评估当前迭代位置距离最优位置的远近来动态设置LM参数. 最后以一段缓和曲线的实测点为例，随机取样了5 000例初值，采用蒙特卡罗方法对比了GN算法和LM算法拟合缓合曲线的性能. 试验结果表明:GN算法拟合缓合曲线不收敛；对于不同的初始值，LM算法都收敛到相同的最优值，体现了LM算法具有良好的稳健性；LM算法的迭代次数最少为5次，最大为50次，平均为16.8次，迭代次数和初值与最优值位置的远近相关.      

极大熵聚类算法的收敛性定理

讨论了极大熵聚类算法的收敛性，构造了极大熵聚类算法的收敛点集，并证明了极大熵聚类算法的收敛性定理．结果表明，极大熵聚类算法不一定收敛到局部极小点，有时收敛到鞍点．同时，也给出了如何判断极大熵聚类算法的收敛点是局部极小点还是鞍点的方法。     

基于粗糙集理论的模型结构选择与知识发现

为了合理选择决策模型，提出了一种基于粗糙集理论获取模型选择知识并利用获取的知识选择模型的方法．通过随机设定模型参数，得到备选模型的属性值为连续值的决策表；通过设定误差范围，获得决策表中对象之间的关系；利用该关系和粗糙集理论，对决策表进行属性约简，获得决策规则；按该决策规则进行推理，实现智能决策的模型选择．实例表明，该算法是可行的。     

基于能力计算的运行图加密问题研究

通过对运行图进行加密来研究客运专线的能力问题,并将加密问题构建为整数规划模型进行求解. 为了求解这个问题,按照OD类型奖励值从大到小每次加密一种OD类型进行分步加密,在每一步中在每个可行时间点处随机选择属于该OD类型的所有停站方式中任意一个停站方式进行多次迭代加密,然后通过将多次迭代的结果组合优化得到较优的加密结果. 最后,构建了基于.net的运行图加密应用系统,并对武广客运专线的运行图进行了实例加密,通过比较组合优化与多次迭代最优的加密结果,验证了组合优化算法的可行性.     

固定租赁点的公共自行车出行路径分析

基于前景理论建立固定租赁点的公共自行车出行路径选择模型。通过分析出行选择的决策过程,选择以出行时间和步行距离为两个不同参照点,确定前景理论的价值函数和决策权重函数,获得不同路径决策下的前景值。并通过sp调查结果与前景理论的计算结果进行对比分析,说明前景理论对于固定租赁点自行车出行路径选择具有较好的描述性。表明通过固定租赁点公共自行车出行时往往更加倾向于选择出行起点到租车点以及还车点到终点步行距离较短的路径。     

基于几何约束及迭代的NLOS环境定位算法

针对在非视距 （non-line-of-sight,NLOS）环境中传统最优化定位算法抗NLOS误差能力较弱、且需要一个较准确的初始估计位置以确保算法收敛这一问题,提出一种应用在双基站场景下的基于几何约束及迭代的定位算法. 通过引入最大散射半径作为几何约束条件,以线性迭代方式进行一维全局搜索,并采用最小二乘算法获得移动台（mobile station,MS）初始估计位置,然后利用设定的阈值门限对各初始位置点进行筛选,最后通过加权平均获得MS的最终估计位置. 仿真结果表明:当散射半径为200 m时,本文算法的定位误差在200 m以下的概率能达到100%;在相同环境下,本文算法计算时间开销仅是网格搜索法的0.4%.      

基于局部模糊熵的图像过渡区提取算法

为了提高图像过渡区提取算法的抗噪声性能，对基于局部熵的图像过渡区算法加以改进，提出了基于局部模糊熵的图像过渡区算法．该算法充分利用局部模糊熵区分过渡区与目标区（或背景区）性质的差异，更为有效地提取出图像中的过渡区．仿真实验结果表明，这两种算法在图像含有椒盐噪声的情况下都能有效提取过渡区，但在图像含有高斯噪声的情况下，采用本文算法比采用基于局部熵的图像过渡区算法提取的过渡区更为准确．     

感应电机参数辨识的计算机实现

基于利用迭代算法进行电机参数辨识的思想,推导出一种计算电机定子电感、互感及漏感的迭代公式,给出了具体的求解算法.通过该方法对电机参数计算值与堵转、空载实验所测参数值比较,结果表明该方法是有效的.     

一种新的线性规划中原始对偶内点算法的核函数

针对线性规划中原始对偶内点法给出了一种新的核函数,并且给出了基于这个新的核函数的原始对偶内点算法.在算法的理论分析中,首先利用该核函数导数的反函数估计出该函数本身的上界;其次利用相关定理给出了最优的迭代步长的下界;最后证明基于牛顿迭代步的原始对偶方法的大步迭代和小步迭代的迭代上界,并通过对不同规模的线性规划问题进行数值计算来说明这个算法的有效性.     

热态重轨图像光照不均校正方法

为抑制重轨弧面强反射场引起的局部亮度过大,同时保留足够多的原始图像信息.研究了线像素灰度处理方法,计算列像素均值,去均值化处理实现纵向光照不均校正;选取上边缘的n个离散点,三次B样条边缘拟合,y方向像素对齐实现边缘矫直,然后对每一行的像素进行叠加,将灰度均值作为基准,根据每一行像素灰度和基准的比值进行线性拉伸,实现横向光照不均校正.引入信息熵、均方误差、峰值信噪比、通用图像质量指数量化比较不同方法的处理效果.对比实验表明,文中方法得到的图像总体灰度值分布最均匀,图像质量评价参数最高.该方法校正了图像亮度的不均匀性,同时能保留足够多的原始图像信息.     

基于谐波平衡法的Broyden网格分区迭代算法

在融合Broyden算法与网格分区思想的基础上,提出一种基于谐波平衡法且适用于对间隙型非线性动力系统进行频响特性分析的新型Broyden网格迭代算法.阐述了Broyden网格迭代算法的基本思想与计算流程.对决定该算法有效性的Broyden算法发散特性及不完整变量循环迭代过程等关键特性进行了分析与讨论.通过与相关文献采用的二分法所得的同等条件下的计算结果进行对比,证明该算法比二分法具有更好引导性与更全面的求解能力.通过网格分区的引导,该方法避免了数值迭代方法中普遍面临的迭代初值的盲目选择问题,为基于谐波平衡法全面考察间隙型非线性动力系统的频响特性提供了新途径.     

基于遗传算法收敛特性的停机准则

关于遗传算法及改进遗传算法收敛问题的研究表明,理论上分析各类不同结构遗传算法的收敛性是可行的.对已被证明收敛的遗传算法,在计算过程中最突出的问题便是如何判断当前计算结果已经到达最优解从而停止迭代.文中从遗传算法收敛特点及不同种群中最优个体适应值的一致性、种群的多样性出发,提出判断算法自动停止迭代的依据.     

有限域GF（pm）上圆锥曲线标量乘快速算法

圆锥曲线密码体制是一种新型的公钥密码体制,得到了广泛关注,在已有研究成果中,圆锥曲线都是定义在大的素域GF（p）上、特征为2的有限域GF（2m）上、或剩余类环Z/nZ上,其中n=pq是两个奇素数的乘积.为实现更高效的圆锥曲线密码体制,本文讨论有限域GF（pm）上的圆锥曲线,并定义了其上的Frobenius映射,基于此设计了新的快速标量乘算法.理论分析和数值结果都表明,在使用同等的预存储空间的前提下,新算法的时间复杂度较传统算法有很大程度的降低.     

变量相关情况下结构可靠指标的简化算法

根据可靠指标的几何意义，通过坐标转换和矩阵变换，探讨了非线性功能函数在变量相关条件下可靠指标的直接迭代计算方法，导出了计算可靠指标的分位值法迭代计算公式，并给出了2个算例，计算结果表明，与传统算法相比，该算法计算简单、精度高。     

南海神信仰：维护南海海权的文化力量

南海独特的地理位置造就了其独特的文化现象——南海神信仰.南海神信仰的文献记载、考古发现、民间传说和礼仪庆典,构成了南海是中国神圣领海的历史性证据的重要部分.南海神信仰是维护南海海权的文化力量.     

一种新的基于自组织映射的流形学习算法

针对自组织映射（Self-Organizing Map,SOM）算法在进行流形学习时容易陷入局部极值和产生“拓扑缺陷”问题的原因,提出了一种新的基于SOM的流形学习算法：TO-SOM（Training Orderly-SOM）．根据流形的局部欧氏性,TO-SOM算法从一个局部线性或近似线性的数据子集出发,按照数据的内在流形结构对其进行有序训练,可以避免局部极值、克服“拓扑缺陷”．根据SOM算法的鲁棒性,TO-SOM算法在成功学习数据内在流形结构的同时,对邻域大小参数和噪声也不像ISOMAP和LLE等现有流形学习算法那样敏感,从而更容易得到实际应用．     

南丰蜜桔可溶性固形物非线性模型研究

探索应用近红外透射光谱无损检测技术,结合径向基神经网络和反向传播神经网络两种人工智能算法,建立南丰蜜桔可溶性固形物快速无损检测的非线性稳定预测模型。通过43个未参与建模的南丰蜜桔样品作为外部验证数据,验证径向基函数神经网络模型的性能,预测模型的相关系数R=0．92。研究结果表明：径向基函数神经网络比反向神经网络获得的预测结果更好,校正模型的预测均方根误差从0．72^0Brix降低到0．65^0Brix。径向基函数神经网络方法是解决近红外光谱检测南丰蜜桔可溶性固形物中非线性建模问题的有效方法。     

辽宁省交通高等专科学校学生生长发育与评价

文章通过调查和数理统计等方法得出辽宁省交通高等专科学校男生身高、体重、胸围生长发育指标低于辽宁省大学生均值水平(P<0.01);女生身高低于辽宁省大学生均值水平(P<0.01)。BMI指数、克托莱指数、维尔维克指数指标高于辽宁省大学生均值(P<0.01)。揭示辽宁交专学生生长发育现状、优势与缺陷,并提出体育教学培养策略。