|
搜索
搜 索
高等教育領域數(shù)字化綜合服務平臺
一種基于遺傳算法的含鉸結(jié)構非線性參數(shù)識別方法
本發(fā)明公開了一種基于遺傳算法的含鉸結(jié)構非線性參數(shù)識別方法，包括用一種非線性模型來描述含鉸結(jié)構中鉸鏈的非線性特性，建立鉸鏈結(jié)構的動力學模型，得到含鉸結(jié)構的Ｍ、Ｋ、Ｃ方程；將含鉸結(jié)構的Ｍ、Ｋ、Ｃ方程轉(zhuǎn)化為非線性的代數(shù)方程組；利用數(shù)值分析中的Ｎｅｗｔｏｎ迭代法對得到的代數(shù)方程組進行求解，得到含鉸結(jié)構的頻響數(shù)據(jù)；根據(jù)求解的頻響數(shù)據(jù)與試驗獲得的頻響數(shù)據(jù)構建目標函數(shù)，通過Ｍａｔｌａｂ中的ＧＡ遺傳算法進行全局化搜索，最終識別出最優(yōu)的非線性參數(shù)值。本發(fā)明的含鉸結(jié)構非線性參數(shù)的識別方法，可以識別含鉸結(jié)構的非線性特性，克服了傳統(tǒng)方法需要提供經(jīng)驗初值及只能保證局部最優(yōu)的局限性。
東南大學
2021-04-11
一種基于自適應邊緣檢測和映射模型的一維碼識別算法
本發(fā)明公開了一種基于自適應邊緣檢測和映射模型的一維碼識 別算法。該算法利用一維碼四個角點對一維碼圖片進行投影變換，校 正一維碼圖像中可能存在的投影或者仿射變形，然后利用校正后的圖 像生成兩種掃描線，一種是基于圖像分塊的，一種是基于梯度變化的， 對于獲得的掃描線采用一種自適應邊緣檢測算法來找到一維碼條和空 的邊緣位置，接著采用一種邊緣映射模型將獲得的邊緣位置映射到正 確的編碼位置，根據(jù)編碼位置來獲得條和空的寬度，從而依據(jù)條空的 寬度比和編碼規(guī)則求解一維碼信息。按照本發(fā)明實現(xiàn)的一維碼識別算 法，能實現(xiàn)對
華中科技大學
2021-04-14
防誤碼擴散的 JPEG-LS 圖像無損/近無損壓縮算法硬件實現(xiàn)方法
本發(fā)明公開了一種防誤碼擴散的圖像無損/近無損壓縮方法：采用并行預測方式，將分塊的圖像通過兩路并行得到預測結(jié)果，在每個預測環(huán)節(jié)，像素之間間隔一個像素時鐘周期，使得由參數(shù)索引、預測修正、殘差計算、參數(shù)更新反饋環(huán)路可使用流水線設計；在近無損壓縮模式下，每個像素有足夠的時間進行像素重建，在當前像素進行上下文建模前能剛好得到上一個像素對應的像素重建值；通過引入分塊壓縮與檢糾錯編碼相結(jié)合的方法，防止了誤碼的大面積擴散，提高了
華中科技大學
2021-04-14
一種基于CMA-ES優(yōu)化算法設計聲學超材料單元的方法
本發(fā)明公開了一種基于CMA?ES優(yōu)化算法設計聲學超材料單元的方法，該方法將CMA?ES優(yōu)化算法和有限元分析方法集合，CMA?ES優(yōu)化算法可以對0?1排布的陣列進行優(yōu)化，每一個尺寸維度的0?1陣列，都對應一種聲學超材料單元結(jié)構，其中，0和1分別代表由空氣或光敏樹脂構成的聲學單元結(jié)構的子單元；在優(yōu)化過程中，每一個聲學超材料單元結(jié)構的等效折射率和阻抗值可以通過有限元分析方法分析提取，作為CMA?ES優(yōu)化算法中適應度函數(shù)的變量；通過對適應度函數(shù)的值進行優(yōu)化，最終可以得到最優(yōu)的、滿足設計要求的聲學超材料單元結(jié)
東南大學
2021-04-14
構建基于卷基神經(jīng)網(wǎng)絡的胃癌HE病理切片AI輔助診斷算法
懸賞金額：95萬元
發(fā)榜企業(yè)：百盛（廣州）生物制品有限公司
需求領域：環(huán)醫(yī)療器械及設備及醫(yī)學專用軟件；臨床醫(yī)學-腫瘤
產(chǎn)業(yè)集群：生物醫(yī)藥與健康產(chǎn)業(yè)集群
技術關鍵詞：人工智能；病理學；組織形態(tài)學
百盛（廣州）生物制品有限公司
2021-11-01
一種基于改進和聲搜索算法的無線傳感器網(wǎng)絡路由方法
本發(fā)明提出了一種基于改進和聲搜索算法的無線傳感器網(wǎng)絡路由方法，包括以下步驟：Step1、初始化算法相關參數(shù) HMS、HMCR、PAR 以及評價次數(shù) eval_Nomax；Step2、利用輪盤賭初始化和聲記憶庫 HM；Step3、評價和聲庫中各和聲路徑的適應度；Step4、設置 eval_No＝0；Step5、設置 i＝0；Step6、產(chǎn)生候選和聲；Step7、eval_No++，若 eval_No＜eval_Nomax，執(zhí)行 Step8；否則執(zhí)行 Step11；Step8、對和聲庫中的第 i 條和聲 Xi＝{s,x2,…xj,…,d},進行鄰域搜索；Step9、eval_No++，若 eval_No＜eval_Nomax，執(zhí)行 Step10；否則執(zhí)行 Step11；Step10、i++，若 i＜HMS，執(zhí)行 Step6；否則執(zhí)行 Step5；Step11、記錄和聲記憶庫中的最優(yōu)和聲路徑。本發(fā)明的路由方法具有較高的能效，并且能夠有效地延長整個網(wǎng)絡的生命周期。
華中科技大學
2021-04-11
業(yè)大學.jpg){kind=logo}
一種基于自然共享最近鄰居搜索的發(fā)現(xiàn)簇和離群點的算法
本發(fā)明屬于數(shù)據(jù)挖掘領域，尤其是涉及一種基于自然共享最近鄰居搜索的發(fā)現(xiàn)簇和離群點的算法。其特征在于，首先對數(shù)據(jù)集進行自然最近鄰居搜索，當發(fā)現(xiàn)數(shù)據(jù)集中沒有共享最近鄰居的點的數(shù)量不再變化時搜索結(jié)束，得到搜索最近鄰個數(shù)n；根據(jù)提出的自然共享鄰居定義，計算每個對象在n近鄰下得到的自然共享最近鄰居關系；然后基于共享最近鄰的自然鄰居搜索算法確定了每個對象的自然共享最近鄰域關系，根據(jù)該自然共享最近鄰居關系，對數(shù)據(jù)進行聚類和離群點判別。本發(fā)明的算法中提出一種新的共享最近鄰居關系和自然鄰居搜索終止條件，解決了現(xiàn)有算法因為自然鄰居關系定義不夠嚴密及搜索條件不夠科學而引起的聚類效果不好和離群點檢測精度不高的問題。
中國農(nóng)業(yè)大學
2021-04-11
一種基于改進二維經(jīng)驗模態(tài)分解算法的圖像去噪方法
本發(fā)明公開了一種基于改進二維經(jīng)驗模態(tài)分解算法的圖像去噪方法,首先，將待去噪圖像經(jīng)傳統(tǒng)BEMD算法進行自適應分解得到各階IMF后，對各個IMF的概率密度函數(shù)與待去噪圖像概率密度函數(shù)之間的相似性進行測量，其次，根據(jù)相似性測量值區(qū)分出噪聲主導模態(tài)函數(shù)與信號主導模態(tài)函數(shù)的邊界索引值,然后，使用小波去噪算法對噪聲主導模態(tài)函數(shù)進行降噪處理得到實際的圖像噪聲，接著，重構出與原圖像具有相同信噪比的多幅圖像后對其累加求平均、實現(xiàn)將噪聲壓縮到低階IMF中，最后，使用BEMD?DT對該平均圖像進行去噪處理。通過本發(fā)明方法對圖像進行去噪，取得效果均好于小波降噪以及傳統(tǒng)BEMD等降噪方法的去噪效果。
東南大學
2021-04-11
一種基于視覺顏色理論和同質(zhì)抑制的輪廓與邊界檢測算法
一種基于視覺顏色理論和同質(zhì)抑制的輪廓與邊界檢測方法，屬于計算機視覺和模式識別的交叉領域，旨在從復雜的自然場景中提取目標的輪廓和邊界。本發(fā)明通過研究人眼視覺信息處理機制，對視覺通路各級神經(jīng)元的感受野建立數(shù)學模型，同時利用非經(jīng)典感受野的調(diào)制作用來抑制紋理邊緣，從而突顯輪廓和邊界
華中科技大學
2021-04-10
一種基于遺傳算法的異構 CAD 模型數(shù)據(jù)交換的系統(tǒng)及方法
本發(fā)明公開了一種基于遺傳算法的異構 CAD 模型數(shù)據(jù)交換的系統(tǒng)及方法，本發(fā)明的異構 CAD 模型數(shù) 據(jù)交換的系統(tǒng)包括二個部分:源端 CAD 系統(tǒng)和目標端 CAD 系統(tǒng)。同時，將異構 CAD 模型數(shù)據(jù)交換分為兩 層:3D 特征參數(shù)層和 2D 草圖參數(shù)層。在 3D 特征參數(shù)層，采用了直接特征映射和間接特征映射的方法實現(xiàn) 特征數(shù)據(jù)的交換。在 2D 草圖參數(shù)層，采用直接元素映射、間接元素映射及樣條映射。將 2D 草圖參數(shù)層中 樣條映射問題轉(zhuǎn)換為樣條擬合問題。創(chuàng)新性的將遺傳算法引入到異構 CAD 數(shù)據(jù)交換領域。在遺傳算法個體 的適應度計算中，引入了 Hausdroffdistance。本發(fā)明可以用于復雜模型的異構 CAD 數(shù)據(jù)交換，交換之后的 目標模型，不僅與原始模型具有極高的相似度，而且保留了原始模型的參數(shù)化特征信息。
武漢大學
2021-04-13