简介：物流配送的车辆路径问题(VRP)是近年来物流领域中的研究热点,该问题属于NP难题,较难得到最优解和满意解。在建立了车辆路径问题数学模型的基础上,该问题被分解为两个阶段进行研究,分别为利用基于基地启发式分区算法进行区域划分和利用改进的遗传算法来确定具体的一条配送线路的先后次序。通过此改进的混合遗传算法最终得到优化配送路径。仿真计算结果表明,在大规模车辆路径问题中改进后的算法相比于传统的遗传算法最优解的质量得到一定提高。

简介：在当前时代背景下,为改善物流配送路径问题,必须要全面提升物流路径运算优化,强化混合遗传算法的应用。本文首先从物流路径优化数学模型建立入手,同时阐述了混合遗传算法构建,最后总结了真实案例的应用。

简介：针对传统BP神经网络用于谐波检测时存在收敛速度慢、易陷入局部最小值的缺点,提出用混合蛙跳算法代替BP神经网络中梯度搜索算法的混合蛙跳算法神经网络,并将其用于电力系统谐波幅值与相位测量。根据电力系统所含谐波特点,构建谐波检测的神经网络模型,阐述混合蛙跳算法神经网络的基本原理。以三次谐波为例,给出神经网络训练方法以及训练样本如何构建。仿真结果验证所提方法的可行性,其收敛速度、检测精度均优于BP神经网络。最后用训练好的神经网络检测未训练的样本,实验结果验证该网络具有良好的泛化能力。

简介：现阶段,伴随着我国计算机以及互联网相关技术的不断发展革新,基于移动端的算法与技术研究已然成为了智能化互联网终端发展的一大必然趋势。其中对于基于移动端的智能手机算法研究已经成为了我国智能手机研发工作的一大核心内容,移动端的智能手机图像识别算法进行研究开发还应在相关算法开发行业中得到一定体现。

简介：依据开展混合式教学的目标,从课程内容、支撑平台和混合模式3方面提出混合式教学的总体思路,基于首都师范大学智能机器人技术及其仿真课程2016—2017年度开展的混合式教学实践,从混合式教学设计、在线学习监督分析、现场教学环节设计、教学效果分析等几个方面进行尝试,研究发现混合式教学模式能够提高学生的学习积极性,增强学生的团队协作意识和自我表达能力,提升学生对知识的总结归纳和运用能力,但混合式教学模式对教师提出了更高的要求,教师要勇于创新,挖掘混合式教学模式的优势,提出更多的课堂教学形式。

简介：主要研究应用于图像放大技术领域的处理算法，常用的图像放大技术即为插值算法，主要插值处理方法有最邻近插值算法、双线性插值法、双三次插值。实验仿真结果表明最邻近算法处理后的图像效果较差，双线性算法处理后图像质量较高。而双三次插值算法处理后的图像质量最高，但运行时间较长。

简介：初学编程的朋友,往往容易被一些看似复杂的问题难倒。特别是有些问题,不能直接用数学公式计算,需要分析归纳,将其转化为数学问题后再解决。例题:三人同时开始放鞭炮,每人放N次,甲每隔2秒放一次,乙每隔3秒放一次,丙每隔5秒放一次,编程求一共听到几次鞭炮声?设一共听到d次鞭炮声,那么有下列对应关

简介：介绍了基本PSO算法以及两种典型的改进算法:1)全局邻域模式和局部邻域模式对粒子群优化算法的影响,全局邻域模式粒子群优化算法收敛快,但容易陷入局部极小值;局部邻域模式粒子群优化算法由于粒子倾向于在不同的局部区域搜索因而收敛速度慢,但能在较大程度上避开局部极小值;2)混沌粒子群优化算法,它具有混沌的随机性、遍历性、规律性等特性引导粒子及其组成的群落搜索全局最优解。

简介：Dijkstra算法采用的是一种贪心的策略,声明一个数组dis保存源点到某个顶点的最小距离,通过循环的方式来找到源点距某个顶点的最小路径的算法,Dijkstra算法可以用于解决生活中的很多问题,采用合适的方法对其进行优化是十分有现实意义的。

简介：在数据集中挖掘频繁模式是数据挖掘研究的关键环节之一。在过去，很多的努力都集中在独立数据的挖掘上。然而，现实世界中许多实体之间总会保持着千丝万缕的关系。如何获得这些关系的频繁模式，已逐渐成为近年来研究的一个目标，我们将它称之为频繁结构的挖掘。在数据挖掘中，一个重要的方法是关联规则挖掘。它被用来发现频繁出现在数据库事务中的项集；另一个重要的方法是序列挖掘，它的任务是去寻找一个项集的序列。这些挖掘任务都被称为频繁模式的挖掘。

简介：

简介：利用社交媒体平台的带时间的签到数据和少量带标注的样本，通过快捷有效的算法对未标记地点进行智能标记。算法首先对签到数据的用户特征和时间特征进行有效抓取，并通过信息熵对数据进行验证和筛选，然后利用杰卡德相似系数对地点之间的相似性关系进行概括，接着使用松弛标记法对地点的标签概率进行计算，最后构造支持向量机分类器，利用带标注的样本对分类器进行训练，从而导入未标记数据进行标记。

简介：主要针对图像的高斯噪声和椒盐噪声的去噪算法进行研究，分别使用到中值滤波、均值滤波和维纳滤波三种滤波算法。实验结果表明中值滤波对于椒盐噪声有更好的去噪效果；维纳滤波对高斯噪声有明显的作用，相比中值滤波和均值滤波，维纳滤波对高斯噪声有很好的抑制效果，与此同时，维纳滤波却容易丢失边缘信息且对椒盐噪声几乎没有去噪作用。

简介：为了避免光照和复杂背景造成的多人脸误检漏检问题,提出一种基于肤色和AdaBoost算法相结合的多人脸检测算法,本文首先本章首先应用CbCrCg空间下基于最小二乘拟合的肤色聚类模型作为人脸检测的预处理过程,然后需要进一步将该区域作为输入图像依次通过AdaBoost级联分类器进行人脸检测,进一步去除肤色区域中的非人脸区域,最后实现更精确的人脸定位。

简介：中值滤波是非线性滤波中最常用的一种方法,它既可以有效地滤除脉冲噪声,又具有相对好的边缘保持性,易于实现。结合中值滤波器在数字图像处理中的实际应用,研究其在实际的硬件电路设计与FPGA实现中的问题,并在Altera公司的芯片EP3SL150上完成了实现,并提出了改进的滤波算法。

简介：聚类是数据挖掘中重要组成部分,为了提高聚类的处理效率,将并行处理技术运用于k-means和PAM算法中,对k-means与PAM算法进行了改进。实验结果表明:并行k-means算法相对串行k-means算法有更好的执行效率;且k-means算法有比PAM算法更好的并行性和可扩展性。最后,该文提出和介绍了将并行技术引入谱聚类算法。

简介：运用遗传算法解多目标问题,结果往往会陷入局部最优。引入传统算法求得的外部种群,提出基于随机扰动的RDMOGA遗传算法。将新算法用标准多目标测试函数进行测验,并与韩丽霞提出的NMOGA算法进行对比,实验结果表明,新算法表现出良好的搜索性能。

简介：本文基于Java平台针对经典快速排序提出改进方案,使用归并的思想对快速排序作了多线程优化,并对单、多线程下的快速排序进行了对比测试和分析。结果表明,通过多线程优化,快速排序在双核主机上对5千万个随机整型数据进行排序的速度是单线程的1.6倍,说明了该优化方法的有效性。该方法思路直观、容易理解,宜作为多核技术教学案例。

简介：K-均值聚类算法（K-means）是基于划分的聚类算法中的典型算法，针对K-means算法初始聚类中心存在对K依赖的缺陷，提出一种新的选取K-means算法初始聚类中心的方法，该方法提高聚类结果的有效性和稳定性；还提出一种极值选择法，将最大距离法和最小距离法相结合，进一步提高初始聚类中心选择的准确性。

简介：复杂图像中对特定目标的检测和定位是机器视觉领域的难点之一。提出使用中层视觉元素描述检测目标,以建立权值模板图像;然后对目标图像和权值模板进行加权SIFT特征匹配得到最优匹配位置,从而实现目标检测。该方法以自行车为检测目标进行实验,检测率达到86%,优于传统SIFT-AdaBoost和HOG-SVM检测方法。实验结果表明该方法能够减少复杂图像中背景干扰的问题,对于不同姿态的目标进行检测也有较强的鲁棒性。