基于遗传算法的指纹方向图分区

在本文中,我们介绍了一种基于遗传算法的指纹方向图划分方案．根据各种典型指纹类别的拓扑特性而引进了一组动态分区模板和代价函数用于引导方向图分区,并将寻找最佳匹配划分的过程转化成一个Ｎ维向量空间的函数优化问题,然后给出了该问题基于遗传算法的求解过程．最后,我们讨论了本方法在指纹分类中的应用．     

指纹图像的分割算法

图像分割是指纹图像预处理中的重要步骤 ,单独使用常用的方差法和方向法 ,效果往往不是很好 ,但它们各有所长 ,优缺点互补 ,本文介绍了一种基于方差法和方向法的合成分割算法 ,实验结果验证了此方法的有效性     

基于Matlab的阵列天线方向图仿真北大核心

构建直线阵列、圆阵列和平面阵列天线的数学模型并推导其阵因子表达式,借助Matlab对3种不同类型的阵列天线方向图进行仿真研究。对比阵元数、波长、阵元间距等参数对不同类型阵列天线方向图的影响,仿真结果表明:直线阵、平面阵的性能与阵元数、阵元间距呈正相关,与波长呈负相关;圆阵的性能与阵元数呈正相关,而与圆阵半径和波长的关系并不是线性的。     

基于遗传算法的综合性大学排课系统研究

排课系统是教务管理信息系统中非常重要的一个模块．本文对排课问题中的各种约束条件进行了分析，利用遗传算法解决了排课问题。     

基于遗传算法的模糊控制优化及应用

模糊控制的精度取决于有关参数，如隶属函数、模糊关系矩阵。传统确定参数的方法是依靠专家的经验。本文采用遗传算法来优化参数，并应用该方法对一个模糊控制系统进行仿真研究，结果表明应用该方法提高了模糊控制的精度。     

基于遗传算法的高校排课问题研究

排课问题一个是有约束的、多目标的组合优化问题,并且己经被证明是一个NP完全问题。在高校,排课是高校教务管理的核心内容,是教学工作正常运转的基本要素之一。本文通过对排课问题的阐述以及对遗传算法操作的描述,结合自身实践建立了一个基于遗传算法的数学模型,可以合理地解决各种冲突,并在一定程度上实现智能排课。     

基于遗传算法的综合性大学排课系统研究

排课系统是教务管理信息系统中非常重要的一个模块,本文对排课问题中的各种约束条件进行了分析,利用遗传算法解决了排课问题。     

基于细节点描述子的指纹检索算法

针对指纹一对一匹配识别方法严重影响指纹数据库系统识别效率的问题,提出一种基于细节点描述子的指纹检索算法,该算法先根据细节点描述子的结构信息进行粗匹配筛选,剔除虚假细节点产生的影响;然后利用筛选后的细节点位置关系确定最佳参考点;最后基于最佳参考点计算所有指纹图像相似度,将相似度排在前N0的指纹返回并作为候选指纹。实验结果表明,该算法在时间和空间上都优于传统指纹检索算法。     

一种基于点方向和块方向的指纹方向信息提取方法

结合指纹图像点方向和块方向给出一种点块结合的指纹图像方向信息提取方法.对指纹图像分块,对块中的每一点利用点方向法求出该点的方向,统计该块八个方向中每个方向上像素点的个数以确定本块的块方向,该方向即是指纹纹线的走向、块的中心点像素的方向.鉴于文中述及的计算点方向的算法相对简单,提高了算法的运行速度;同时,采用点块方向结合的处理方法,对于方向信息的突变也能进行较好地提取,去噪能力更强,提取方向更准确.实验表明,与点、块方向法相比,该方法所求方向的错误率及噪声点对所求方向的干扰概率均大大减小,平均比点方向法降低了87.8%,比块方向法降低87.4%,对原始指纹的质量要求不高,鲁棒性更强.     

一种基于遗传算法的优化分类器方法

通过遗传算法对多个分类器进行组合优化的方法使用的是多数投票策略．根据遗传算法的结果使每个分类器拥有不同的投票权重。实验结果表明,遗传算法可以较好地完成优化任务,在对分类器进行组合优化方面,得到比简单的分类器组合和更高的精度。     

基于多智能体系统的自适应指纹图像分割算法

在深入研究指纹图像分割方法的基础上,将多智能体系统MAS（Multi-Agent System）引入到指纹图像分割处理过程中,提出了一种基于MAS的自适应图像分割方法.实验结果表明,该方法能够有效实现对指纹图像分割的自适应分割处理,相比传统的方差分割法和点方向一致性分割法,本算法具有更好的适应性和鲁棒性.     

基于细化指纹图像特征提取的改进算法

文章深入研究了细化指纹图像细节点提取算法,针对常规提取算法中存在一定数量的伪细节点问题,提出了一种改进的细化指纹图像细节点提取算法。该算法在原有提取算法的基础上,在细节点提取中采用了邻域查找删除、边缘删除等措施。实验表明,该算法显著地减少了伪细节点的提取,是一种较为理想的细化指纹图像细节点提取算法。     

基于遗传算法的染色体医学图像处理研究

生物医学图像的数字化处理是医学领域中的一个重要的发展方向。其中染色体的自动分析是细胞遗传学研究中急需解决的问题,文中针对自动分析中的前期图像处理提出了基于遗传算法的染色体图像分割方法,该方法充分考虑了待分割染色体的数量及人类显带染色体被明暗交迭的带纹分割为若干不连续的片段等特点。从实验结果可以看出,此方法具有分割速度快、鲁棒性好等优点。     

基于奇异值分解的指纹图像增强

本文提出了一种基于奇异值分解的指纹图像增强处理方法,通过具体算法和软件实现给出了实验结果。基于Matlab7.0的仿真实验表明,将奇异值分解应用于指纹识别系统预处理中是有效且可行的。     

基于akka分治竞争算法的参数优化

Akka是一种被广泛使用的,具有高性能的并行分布式计算工具包,Akka用Scala写成,运行于Java虚拟机JVM平台。尽管Akka优雅简洁,但在构建复杂并行项目的过程中,许多来自于用户的决策,都会影响系统性能并带来延迟。采用深度优化的方法,在源代码中优化参数。使用CMA-LES进化算法来优化,实现并行分治算法,使用在Akka工具包后,显著提升了它的性能。     

基于遗传算法的径向基神经网络学习算法

文章对径向基神经元网络（Radial Basis Function Neural Networks,以下简称为RBFNN）结构进行了分析,提出了应用遗传算法训练径向基网络的算法,并将该算法训练的网络用于10个数字的识别,相对于最近邻聚类学习算法和BP网络来说,识别效果和精度均有提高。     

一种结合改进OTSU法和改进遗传算法的图像分割方法

为了自动确定图像分割的最佳阈值,提出了一种结合改进OTSU法和改进遗传算法的图像分割方法,即利用这种改进遗传算法对二维OTSU图像分割函数进行全局优化,该方法能够根据个体适应度大小和群体的分散程度自动调整遗传控制参数,从而能够在保持群体多样性的同时加快收敛速度,最后得到图像分割的最佳阈值,克服了传统遗传算法的收敛性差、易早熟等问题.在理论分析和仿真数据实验中,与二维OTUS图像分割法和基于基本遗传算法的图像分割法相比,使用该方法得出的阈值范围更加稳定,阈值计算时间有极大的降低,更能满足图像处理的实时性要求.