共搜索到1381条信息,每页显示10条信息,共139页。用时:0小时0分0秒640毫秒
/m;(d1-D2)·h3>π·N·d2/4. 2.1.3 自适应变尺度混沌优化算法 对于折叠次数无限一维自映射,有: (13) 其中:i=0,1,2,…,n.令K1和K2分别为粗与细迭代次数,则自适应混沌 寻优算法的程序流程如下. Step 1......
水裕, 宁寻安, 刘如意. 选矿废水的回用处理研究与实践[J]. 环境污染治理技术与设备, 2002, 3(2): 67-70.XIE Guang-yan, SUN Shui-yu, NING Xun-an, LIU Ru-yi. Treatment and reuse of wastewater from a sulphide ore float plant [J]. Techniques......
前馈引入主汽温调节系统,利用神经网络进行系统辨识,运用单纯形法寻优PID控制参数,达到最优控制效果.在以上研究方法中,绝大多数控制器是基于一种假定的一阶滞后对象设计的,这种对象很难满足现场需求,实际的系统中负荷变化大,烧结烟气温度波动大,传统的控制方法难以取得良好的实际控制效果[10].本文针对塔顶温度控制问题,提出一种前馈-反馈模糊控制策略.在对喷水减温过程各种能量流向关系进行分析的基础上,建立......
%. 铝电解阶段温室气体排放量下降15.4%,能耗下降8.0%.2003年,我国自焙槽铝产量占总产量的12.5%,2005年以后,我国基本淘汰了能耗较高的自焙阳极电解槽[27],400 kA的大型预焙槽的产能比例占12.06%[28].另外,我国积极研发并推广应用的"不停电停槽和启槽技术"和"三度寻优"等先进技术,对铝电解节能也起到了极大的促进作用. 炭素阳极生产能耗降低了约16%.近年来国内外铝用炭素......
; (12) 式中:fmax为群体中的最大适应度;favg为群体平均适应值;f为要交叉的2个个体中较大的适应度;f ’为变异个体的适应度;k1,k2,k3和k4为常数.编程序实现寻优算法如下. Step 1:随机产生初始种群,个体数目一定,每个个体表示为染色体的基因编码. Step 2:计算个体的适应度,并判断是否符合优化准则,若符合,则输出最佳个体及其代表的最优解,并结束计算;否则,转向Step......
; (8) 式中:f(xi)表示实际输出;yi表示期望输出;e=10-3,其作用是使分母不为0. 混沌量子遗传算法是一种新型的优化方法,通过将量子遗传算法和混沌相结合,并利用混沌变量的随机性,遍历性和规律性使算法具有丰富的时空动态.其基本思想是把混沌变量线性映射到优化变量的取值区间,然后,利用混沌变量进行搜索.混沌算法对于初值较敏感,量子遗传算法在进行寻优时容易陷入局部的......
()运算 "加法"()是指粒子i的位置与速度进行相加运算得到一个新的位置,即:. 根据前面的论述,可以得到加法的计算公式如下: (13) "加法"实际上是把原来的频谱分配方案的一部分替换成新的频谱分配方案. 2.3.2 减法()运算 "减法"()实际上是实现"寻向"的操作,通过当前频谱分配方案与局部较优方案,以及与全局较优方案进行比较,寻找差值,找到替换的方向.2个位置属性值Xi和Xi′相减得到的结果是速度V,即. "减法"运算可以描述如下: (14) 设全局最优位置为Pg,个体最优位置为Pl,与粒子i的运算分别是PgXi和PiXi.运算得到的结果都......
Bhattacharyya系数作为相似性度量函数,其定义为: 1.4 目标定位 为使式中最大,将候选目标区域的中心先定位为前一帧中目标的中心位置y0,从这一点开始寻找与目标模型最相似的目标区域.假设在当前帧中目标的真实位置为y,先要计算在当前帧的y0处候选目标的特征概率,u=1,2,…,m...; 其中:g(x)=-k′(x).按照式反复迭代,最后即可得到目标在当前帧中的最优位置y. 1.5 算法分析 Mean Shift算法是一种高效的模式匹配算法,其应用于目标跟踪有几个优势:首先,算法计算量不大,由于Mean Shift本质上是最陡下降法,其寻优过程收敛速度快,在目标区域已知情况......
有很好的全局寻优能力,不需要设定波数初值,也避免了繁琐的计算;并且非负约束条件自动满足,同时确定ki及gi具有更高的精度. 式(6)采用均匀半空间模型作为参考模型,事实上,根据实际问题地下电性结构,可采用同样具有解析解的水平层状模型或纵向垂直分层模型作为参考模型,将解析解代入式(4)和(6)得到类似的非线性优化问题,进一步提高离散波数的精度[22-23]. 3 数值计算结果 本文的数值......
改进的"Active Demons"算法,将浮动图像的梯度信息也加入到光流场方程中,实现了更准确和高效的配准.但在声纳图像处理领域中,灰度梯度不明显是普遍存在的,从而造成图像变形力方向不能确定,容易导致错误的配准结果.Vercauteren等[9-11]提出了一种将图像灰度均方差作为相似性测度的配准模型,通过对目标函数进行优化寻找出一个最优的变形场,但是没有考虑到随着图像配准过程的进行,待配准图像...(r,f)为r;f重叠区域像素的总个数. 最后,将改进以后的归一化梯度项与互信息相结合,得出相似性测度. (17) 将IGMI作为图像配准中新的相似性测度,利用适当的空间变换和寻优策略,对声纳图像进行配准. 2.1.3 基于梯度互信息的Demons算法的分析 基于图像灰度互信息的配准方法,最大的不足是忽略了图像的空......