【摘 要】
:
遗传算法对于以往难以解决的函数优化问题,图像识别,机器学习,数据挖掘以及复杂的多目标规划等问题是最有效的方法之一。遗传算法的实质是在模拟自然界中生物遗传及进化的过
论文部分内容阅读
遗传算法对于以往难以解决的函数优化问题,图像识别,机器学习,数据挖掘以及复杂的多目标规划等问题是最有效的方法之一。遗传算法的实质是在模拟自然界中生物遗传及进化的过程,是一种自适应全局优化概率搜索算法。太阳磁亮点是位于光球、色球层米粒通道里的一些发亮的磁结构,是目前观测手段能够分辨的最小磁结构。太阳磁亮点运动所耗散的能量被认为是日冕加热和色球加热的最终能量来源之一。研究太阳磁亮点结构需要提取其特征值,提取其特征值需要先将其从太阳图像中分割和识别出,再跟踪演化过程。但是,太阳磁亮点结构很容易与太阳表面上的小尺度特征相混淆;且磁亮点的边缘容易和米粒、米粒间的暗径熔于一炉,导致在识别中不可避免地会将一部分发亮的碎米粒误识别为磁亮点。为解决以上问题,本文展开两个方面的研究工作。一方面提出基于遗传算法的太阳磁亮点识别算法,它解决了LMD识别算法中阈值需手动选取的问题。在遗传算法中,通过采用二维最大熵阈值分割法作为适应度函数,从而合理地求解出阈值。另一方面提出基于遗传算法的太阳磁亮点聚类算法,对太阳图像中识别的磁亮点进行聚类,达到剔除误识别磁亮点的目的。首先通过遗传算法得到K-means聚类的初始中心,接着再通过K-means算法聚类出磁亮点。此外,为解决遗传因子自适应问题,克服遗传算法收敛性差、易陷入局部最优等问题,通过改进遗传因子中的交叉概率、变异概率和引入模拟退火算法,提出改进遗传算法的太阳磁亮点识别算法和改进遗传算法的太阳磁亮点聚类算法。实验结果表明,基于遗传算法的太阳磁亮点识别算法能有效地求解出预选磁亮点的阈值,识别算法的误差率为:6.1%,遗传算法的太阳磁亮点聚类算法的结果优于传统K-means聚类算法的结果,聚类算法的准确率为:80%;在改进遗传算法的磁亮点识别算法和聚类算法中,识别算法的误差率为5.6%,聚类算法的准确率为83%,由此证明改进遗传算法无论从实验结果上还是从运行效率、收敛性能上均取得较好的结果,这为进一步研究太阳磁亮点提供了保障和支持。
其他文献
面对如今迅速发展和广泛应用的无线通信技术,如何更大程度的加快信息传输速率、保证数据信息传输更加可靠成为了如今急需解决的一个难题。物理层网络编码(Physical-Layer Net
随着生产力的不断发展和自动化技术的普及,机械臂已经被广泛应用于工业制造、医疗服务、军事以及太空探索等领域。因此,机械臂控制技术的研究也引起了广大学者的普遍关注。由
X射线发光断层成像(X-ray Luminescence Computed Tomography,XLCT)是采集成像机体中目标被X射线激发后产生的光学数据,并结合重建方法获取目标信息的一种重要的分子影像技术
进入21世纪,互联网进入了一个快速发展的时期,其与我们的日常生活息息相关。人们在互联网上获取信息方便、高效。但是,互联网在方便我们的同时,暴露出来的安全问题也十分重大
随着科学技术的快速发展以及对多智能体系统研究的不断深入,编队控制作为多智能体系统研究中的重要组成部分受到学者的持续广泛关注,大量好的研究成果不断涌现,并且一些成果
农业适度规模化经营能够促进农业的分工分业与农业专业化发展,是引领农业提质增效、提升农业竞争力的发展要求。西北五省(区)农业是典型的旱塬区农业,研究其农业规模经营效率
随着科学技术的不断发展,我国的经济水平也逐渐提升,纳税人数大幅上升、生产经营方式也逐渐复杂,而与之对应的税务机关工作人员较少,加上税收业务管理自身的困难些和复杂性,
随着信息化社会的飞速发展,高性能计算已经成为继理论科学和实验科学之后科学研究的第三大支柱。从战略高度方面讲,高性能计算技术是一个国家综合国力的表现,在国防安全、高
随着互联网技术的不断发展,面对空前膨胀的海量数据,云计算得到了快速发展。在云计算中,MapReduce分布式计算框架已经成为目前流行的处理大数据的计算模型。为了保证MapReduc
狗牙根(Cynodon dactylon)属禾本科画眉草亚科(Eragrostoideae)虎尾草族(Chlorideae),是全球最重要、品种最丰富的暖季型草种之一,主要生长于温暖湿润的热带及亚热带地区,在我国主要分布在黄河流域以南各省。狗牙根是世界上分布最广的植物(世界记录编号:20130500226),我国是狗牙根资源丰富的国家,国土面积辽阔,经纬度跨度大,复杂的生境导致我国野生狗牙根产生了