|
搜索
搜 索
高等教育領(lǐng)域數(shù)字化綜合服務(wù)平臺(tái)
農(nóng)業(yè)大學(xué).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(diǎn)的算法
本發(fā)明屬于數(shù)據(jù)挖掘領(lǐng)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(diǎn)的算法。其特征在于，首先對(duì)數(shù)據(jù)集進(jìn)行自然最近鄰居搜索，當(dāng)發(fā)現(xiàn)數(shù)據(jù)集中沒(méi)有共享最近鄰居的點(diǎn)的數(shù)量不再變化時(shí)搜索結(jié)束，得到搜索最近鄰個(gè)數(shù)n；根據(jù)提出的自然共享鄰居定義，計(jì)算每個(gè)對(duì)象在n近鄰下得到的自然共享最近鄰居關(guān)系；然后基于共享最近鄰的自然鄰居搜索算法確定了每個(gè)對(duì)象的自然共享最近鄰域關(guān)系，根據(jù)該自然共享最近鄰居關(guān)系，對(duì)數(shù)據(jù)進(jìn)行聚類和離群點(diǎn)判別。本發(fā)明的算法中提出一種新的共享最近鄰居關(guān)系和自然鄰居搜索終止條件，解決了現(xiàn)有算法因?yàn)樽匀秽従雨P(guān)系定義不夠嚴(yán)密及搜索條件不夠科學(xué)而引起的聚類效果不好和離群點(diǎn)檢測(cè)精度不高的問(wèn)題。
中國(guó)農(nóng)業(yè)大學(xué)
2021-04-11
.jpg){kind=logo}
一種基于視覺(jué)顏色理論和同質(zhì)抑制的輪廓與邊界檢測(cè)算法
一種基于視覺(jué)顏色理論和同質(zhì)抑制的輪廓與邊界檢測(cè)方法，屬于計(jì)算機(jī)視覺(jué)和模式識(shí)別的交叉領(lǐng)域，旨在從復(fù)雜的自然場(chǎng)景中提取目標(biāo)的輪廓和邊界。本發(fā)明通過(guò)研究人眼視覺(jué)信息處理機(jī)制，對(duì)視覺(jué)通路各級(jí)神經(jīng)元的感受野建立數(shù)學(xué)模型，同時(shí)利用非經(jīng)典感受野的調(diào)制作用來(lái)抑制紋理邊緣，從而突顯輪廓和邊界
華中科技大學(xué)
2021-04-10
.jpg){kind=logo}
一種基于遺傳算法的異構(gòu) CAD 模型數(shù)據(jù)交換的系統(tǒng)及方法
本發(fā)明公開(kāi)了一種基于遺傳算法的異構(gòu) CAD 模型數(shù)據(jù)交換的系統(tǒng)及方法，本發(fā)明的異構(gòu) CAD 模型數(shù) 據(jù)交換的系統(tǒng)包括二個(gè)部分:源端 CAD 系統(tǒng)和目標(biāo)端 CAD 系統(tǒng)。同時(shí)，將異構(gòu) 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(shí)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(wèn)題轉(zhuǎn)換為樣條擬合問(wèn)題。創(chuàng)新性的將遺傳算法引入到異構(gòu) CAD 數(shù)據(jù)交換領(lǐng)域。在遺傳算法個(gè)體 的適應(yīng)度計(jì)算中，引入了 Hausdroffdistance。本發(fā)明可以用于復(fù)雜模型的異構(gòu) CAD 數(shù)據(jù)交換，交換之后的 目標(biāo)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(xué)
2021-04-13
一種基于和聲搜索算法的無(wú)線傳感器網(wǎng)絡(luò)分簇路由方法
本發(fā)明公開(kāi)了一種基于和聲搜索算法的無(wú)線傳感器網(wǎng)絡(luò)分簇路 由方法，包括:(1)全局信息的傳遞和匯聚，獲得全局信息，并將其傳 遞到匯聚節(jié)點(diǎn);(2)匯聚節(jié)點(diǎn)通過(guò)全局信息對(duì)整個(gè)傳感器網(wǎng)絡(luò)進(jìn)行網(wǎng)絡(luò) 分簇路由的優(yōu)化計(jì)算與配置;(3)普通傳感器節(jié)點(diǎn)監(jiān)測(cè)采集和處理應(yīng)用 信息，將其處理成數(shù)據(jù)包，轉(zhuǎn)發(fā)到簇頭節(jié)點(diǎn)，簇頭節(jié)點(diǎn)進(jìn)行數(shù)據(jù)融合， 并向下一跳簇頭節(jié)點(diǎn)發(fā)送數(shù)據(jù)包;(4)下一跳簇頭節(jié)點(diǎn)接收到數(shù)據(jù)包后， 將自身剩余能量信息加入到數(shù)據(jù)包中，并按照數(shù)據(jù)包中的最優(yōu)路由， 繼續(xù)向下一跳簇頭節(jié)點(diǎn)轉(zhuǎn)發(fā)數(shù)據(jù)包。本發(fā)明的方法解決了無(wú)線傳
華中科技大學(xué)
2021-04-14
一種基于動(dòng)態(tài)規(guī)劃算法的網(wǎng)絡(luò)數(shù)據(jù)傳輸能耗優(yōu)化方法
本發(fā)明公開(kāi)了一種基于動(dòng)態(tài)規(guī)劃算法的網(wǎng)絡(luò)數(shù)據(jù)傳輸能耗優(yōu)化 方法，具體步驟為：①統(tǒng)計(jì)當(dāng)前網(wǎng)絡(luò)傳輸任務(wù)列表及截止時(shí)間列表， 挑選出最大截止時(shí)間，作為所有任務(wù)的結(jié)束時(shí)間；②若當(dāng)前有新任務(wù) 加入，則根據(jù)任務(wù)列表、截止時(shí)間列表、網(wǎng)絡(luò)帶寬狀態(tài)，通過(guò)本發(fā)明 中改進(jìn)的動(dòng)態(tài)規(guī)劃算法計(jì)算出傳輸決策方案，以此控制網(wǎng)絡(luò)傳輸，時(shí) 間推進(jìn)并執(zhí)行步驟①；③若當(dāng)前無(wú)新任務(wù)到達(dá)且任務(wù)未完成，則按照 最近一次的傳輸決策序列控制網(wǎng)絡(luò)傳輸，時(shí)間推進(jìn)并執(zhí)行步驟
華中科技大學(xué)
2021-04-14
一種基于視覺(jué)顏色理論和同質(zhì)抑制的輪廓與邊界檢測(cè)算法
一種基于視覺(jué)顏色理論和同質(zhì)抑制的輪廓與邊界檢測(cè)方法，屬于計(jì)算機(jī)視覺(jué)和模式識(shí)別的交叉領(lǐng)域，旨在從復(fù)雜的自然場(chǎng)景中提取目標(biāo)的輪廓和邊界。本發(fā)明通過(guò)研究人眼視覺(jué)信息處理機(jī)制，對(duì)視覺(jué)通路各級(jí)神經(jīng)元的感受野建立數(shù)學(xué)模型，同時(shí)利用非經(jīng)典感受野的調(diào)制作用來(lái)抑制紋理邊緣，從而突顯輪廓和邊界。本發(fā)明的創(chuàng)新點(diǎn)在于將人眼顏色信息處理機(jī)制引入輪廓與邊界檢測(cè)模型中，通過(guò)設(shè)置不平衡的視錐輸入檢測(cè)出顏色和亮度邊界，保持輪廓的完整性，同時(shí)考慮
華中科技大學(xué)
2021-04-14
.jpg){kind=logo}
一種基于改進(jìn)二維經(jīng)驗(yàn)?zāi)B(tài)分解算法的圖像去噪方法
本發(fā)明公開(kāi)了一種基于改進(jìn)二維經(jīng)驗(yàn)?zāi)B(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(jìn)行自適應(yīng)分解得到各階IMF后，對(duì)各個(gè)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(jìn)行測(cè)量，其次，根據(jù)相似性測(cè)量值區(qū)分出噪聲主導(dǎo)模態(tài)函數(shù)與信號(hào)主導(dǎo)模態(tài)函數(shù)的邊界索引值,然后，使用小波去噪算法對(duì)噪聲主導(dǎo)模態(tài)函數(shù)進(jìn)行降噪處理得到實(shí)際的圖像噪聲，接著，重構(gòu)出與原圖像具有相同信噪比的多幅圖像后對(duì)其累加求平均、實(shí)現(xiàn)將噪聲壓縮到低階IMF中，最后，使用BEMD?DT對(duì)該平均圖像進(jìn)行去噪處理。通過(guò)本發(fā)明方法對(duì)圖像進(jìn)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(xué)
2021-04-11
教育部：強(qiáng)化校企科研合作，布局建設(shè)高等教育研究院
10月16日，中共教育部黨組在《人民日?qǐng)?bào)》刊發(fā)文章《奮力書寫新時(shí)代新征程教育強(qiáng)國(guó)建設(shè)嶄新篇章》。
人民日?qǐng)?bào)
2024-10-17
服務(wù)三農(nóng)的安全可靠電子交易關(guān)鍵技術(shù)研究和應(yīng)用
本成果針對(duì)我國(guó)農(nóng)村幅員廣大、信息基礎(chǔ)設(shè)施建設(shè)薄弱、難以推廣電子交易的現(xiàn)狀，積極響應(yīng)國(guó)家“三農(nóng)”戰(zhàn)略，研制適合農(nóng)村應(yīng)用環(huán)境的電子交易平臺(tái)、交易終端和專用芯片，形成了服務(wù)三農(nóng)的整套電子交易解決方案，為農(nóng)村金融業(yè)務(wù)提供了創(chuàng)新電子交易產(chǎn)品，成為中國(guó)農(nóng)業(yè)銀行等金融機(jī)構(gòu)服務(wù)“三農(nóng)”的新型支付渠道。
成果基于多學(xué)科交叉和創(chuàng)新集成的技術(shù)路線，首創(chuàng)了基于瘦客戶端型B-C/S架構(gòu)的低成本、易維護(hù)金融交易平臺(tái)和交易終端；通過(guò)專用芯片降低了終端成本，提高了終端可靠性。項(xiàng)目申請(qǐng)發(fā)明專利6項(xiàng)，已授權(quán)16項(xiàng)，其創(chuàng)新點(diǎn)解決了電子交易終端應(yīng)用于我國(guó)農(nóng)村復(fù)雜環(huán)境下的成本、維護(hù)、安全、可靠性等諸多關(guān)鍵技術(shù)問(wèn)題，技術(shù)水平達(dá)到國(guó)際先進(jìn)，國(guó)內(nèi)領(lǐng)先。該成果榮獲2011年江蘇省科技進(jìn)步一等獎(jiǎng)。
東南大學(xué)
2025-02-06
.jpg){kind=logo}
基于人工蜂群和量子粒子群算法的一維水質(zhì)模型參數(shù)率定方法
本發(fā)明公開(kāi)了一種基于人工蜂群算法和量子粒子群算法的優(yōu)化計(jì)算方法，其包括以下主要步驟：(1)根據(jù)實(shí)際問(wèn)題編制待優(yōu)化目標(biāo)函數(shù)；(2)輸入算法的通用運(yùn)行參數(shù)：種群數(shù)目、迭代次數(shù)、變量維數(shù)、變量取值范圍、待優(yōu)化目標(biāo)函數(shù)；(3)選取ABC、QPSO、QPSO+ABC和ABC+QPSO的一種或多種計(jì)算方法進(jìn)行計(jì)算；(4)若只使用一種，直接判斷結(jié)果是否滿足優(yōu)化要求；若多于一種計(jì)算方法，綜合比較計(jì)算結(jié)果及評(píng)價(jià)最優(yōu)的結(jié)果是否滿足此次優(yōu)化的要求；(5)若滿足要求，運(yùn)算結(jié)束，輸出計(jì)算結(jié)果和迭代曲線；(6)否則，修改算法的
安徽建筑大學(xué)
2021-01-12