一种顾及道路影响的点要素注记配置遗传禁忌搜索算法

为使地图上点要素注记配置更美观易读,利用遗传算法的全局寻优能力和禁忌搜索算法的"爬山能力",在考虑传统点要素注记配置约束条件的同时,考虑点要素与道路间的关系,提出了一种顾及道路要素影响的遗传禁忌搜索算法,并从解算精度、运行效率及稳健性3个方面对该算法进行评价。本文以福建省泉州市惠安县1：20万比例尺的乡村点状地形图数据进行试验,试验结果表明,与遗传算法、禁忌搜索算法和ArcGIS软件相比,该算法的算法精度和稳健性均有所提高,但是计算效率略低于禁忌算法,且点要素注记与点要素、道路要素的压盖量最少,与点要素、道路要素注记的交叉量最少。     

基于时域自适应搜索法的典型海温垂直结构声特征提取研究

针对层剥算法从海水声回波记录中反演海温垂直结构特征的不稳定问题,利用自适应搜索算法ASM(Adaptive searching method),从声回波记录中提取海温垂直结构的稳定冲激响应,然后利用层剥算法对所得冲激响应进行反演,得到海温垂直结构的声特征,结果表明,该方法可以较好地解决层剥算法反演的不稳定性问题。     

边坡稳定性分析及治理设计软件Slide CAD的开发

以软件易用性为指导,系统阐述了Slide CAD的设计开发思路和主要功能。该软件以交互式输入为主,包括前处理,求解器,后处理3大模块。提供一系列滑面计算方法与搜索算法。同时为边坡治理提供对悬臂,锚索,“人”字型抗滑桩等优化设计计算。     

SSA-BP神经网络在无人机点云孔洞修补的应用

为了解决无人机点云数据中的孔洞修补问题,本文提出了基于麻雀搜索算法（SSA）优化BP神经网络的无人机点云孔洞修补方法。首先利用麻雀搜索算法对传统的BP神经网络进行初始权重与阈值的优化,再将麻雀搜索算法优化后的BP神经网络算法（SSA-BP）运用于无人机点云数据中孔洞的修补。为了验证算法的可行性,将SSA-BP神经网络与传统的BP神经网络、最小二乘支持向量机（LSSVM）两组算法进行精度比较。试验结果表明：SSA-BP神经网络算法的修补精度高于另外两组对比算法,且SSA优化后的BP神经网络稳定性更强,在复杂地形孔洞的修补中仍具有较好的修补效果。     

基于改进麻雀搜索算法优化BP神经网络的PM_(2.5)浓度预测北大核心CSCD

针对传统BP神经网络模型收敛速度慢、易陷入局部极值等问题,本文采用分段线性混沌映射(PWLCM)和萤火虫算法(FA)改进麻雀搜索算法(SSA),并优化BP神经网络模型初始权值和阈值,对西安市PM_(2.5)浓度进行预测。通过比较不同模型预测结果的评价指标,并与性能较优的SSA-BP模型对比,ISSA-BP模型预测结果的RMSE、MAPE、MAE分别下降了3.70、3.73、3.34。试验结果表明,改进后的麻雀搜索算法具有高效的全局最优搜索能力,优化后的ISSA-BP神经网络预测稳定性高,精度优于BP、SSA-BP神经网络模型,可用于预测PM_(2.5)浓度。     

杏花春雨

如雾似烟的细雨清润的杏花有了些许的兴奋,排着队,一片一片地洇红了由近及远的几条山谷。杜鹃很是深情的一声声的鸣叫,令舒展了枝条的杏树陡然收敛了放荡的思绪。该是唱一杯杏花酒的时刻了,就着这细雨、这杏花,和那唱着歌儿已经远去了的杜鹃。 北方的春天,虽说少了江南特有的那一份烟的婉约和水的妩媚,却多了北方固有的山的刚毅与河的奔放。被春天反复熏染得或浓、或淡的远山,像极了白石老人笔下的丹青水墨。尤其雨后的山谷,杏树枝条的颜色较先前暗了许多,杏花却愈发明丽粉白。都因了一场春雨,再也寻不到杏花一点点的矜持了,自自然然,繁华满树,带着狂野和自信,开了个漫山遍野。     

一种基于Harris-Sift引导LK光流约束的特征点匹配算法

提出了一种基于Harris-Sift特征点引导LK光流约束的图像匹配算法。算法首先检测图像的HarrisSift特征点,利用双向互匹配的最邻近搜索算法进行粗匹配;然后利用Ransac算法鲁棒估计两视图单应矩阵,利用单应矩阵引导LK光流法寻找局部最优匹配点,以获取更多更精确的匹配点;最后利用极线约束剔除外点。实验结果表明,该算法能够在降低外点概率的同时有效提高匹配点的数量,并能节省运算时间。     

一种WiFi无线接入点位置估计新算法

针对无线接入点的位置估计问题,利用基于接收信号强度的测距技术,提出一种无需已知测距模型参数的无线接入点位置估计算法。该算法首先通过距离间的比例关系消去和无线接入点发射功率相关的测距模型参数;然后根据最小二乘原理来搜索最佳路径损耗指数,再确定无线接入点的位置。仿真结果表明,该算法能够改善现有无线接入点位置估计算法存在的不足,提升位置估计的精度。     

改进麻雀搜索算法的自然电位数据反演

自然电位法是一种成本低廉,野外观测操作简便的天然源地球物理勘探方法。自然电位数据反演具有病态和非线性的特征。常规反演算法分为局部优化类和全局搜索类,但基于梯度运算的局部优化算法难以求得全局最优解且反演效果依赖于初始模型的构建,而传统全局搜索算法又存在收敛速度慢,易陷入局部极值和不稳定的缺点。基于此,对一种新的全局优化策略(麻雀搜索算法)进行改进,通过混沌映射叠加反向学习策略初始化麻雀种群,再依随机概率使用Levy飞行策略更新麻雀个体位置来进一步提升算法对于解空间的探索能力和增强算法跳出局部极值的可能性。将改进前后的麻雀搜索算法分别应用于合成自然电位数据(不含与含10%、30%的随机噪声)与来自印度和法国的实测数据的反演解释中以对比检验改进算法的反演效果。理论测试结果表明：麻雀搜索算法(SSA)在无噪声干扰下的垂直圆柱和倾斜板模型数据反演误差为0.42%和0.25%,相同情况下改进麻雀搜索算法(ISSA)的反演误差为0.06%和0.07%,改进后算法拟合精度提高到3～7倍,对比目标函数收敛曲线图中ISSA的收敛速度与收敛精度都要明显优于SSA;SSA反演参数的稳定性、精度和异常响应曲线拟...