一种改进的MTCNN和FaceNet人脸检测及识别算法研究

MTCNN和FaceNet的人脸识别算法是较为常用的算法,但由于各种因素使得识别准确率较低。为了保障基于MTCNN和FaceNet的人脸检测识别系统更好地解决传统安保人工蓝控模式带来的资源浪费及效率低下等问题,提出了一种改进的MTCNN和FaceNet人脸检测及识别算法。在现有的MTCNN和FaceNet人脸检测及识别算法的基础上,针对夜晚图像出现的大量噪点,使用两次中值滤波进行快速去噪,降低噪点导致的误检率,从而提高图片识别准确率;并将改进前后的算法分别对同个人脸数据集进行检测识别,比较改进前后算法的准确率和召回率,可验证改进后算法的优化有效性。     

进化蚁群算法及其在湖泊富营养化评价中的应用

蚁群算法是近年提出的一种新型的仿生算法,已在许多组合优化问题中得到成功应用,但是传统蚁群算法解决连续优化问题的能力较差.为提高其解决连续优化问题的能力,拓宽应用范围,引入带可变邻域搜索项的进化策略对其进行改进,进而提出进化蚁群算法.随后从2个方面对进化蚁群算法的性能进行测试:①采用多个经典测试函数测试进化蚁群算法用于解决连续优化问题的效果;②将进化蚁群算法应用于千岛湖的富营养化程度评价,以测试该方法解决实际问题的效果.函数测试结果表明,进化蚁群算法可以成功用于解决连续优化问题,并且优化过程所需初始个体的数量少,优化速度快;千岛湖富营养化程度评价实例的结果表明,进化蚁群算法应用于湖泊富营养化评价是可行的,可用于解决实际问题.      

基于多机器学习算法耦合的空气质量数值预报订正方法研究及应用

应用多种机器学习算法进行时空耦合从而建立一种新的多模式集合预报订正算法(简称“ET-BPNN算法”),对4种常规污染物(NO₂、O₃、PM_2.5和PM₁₀)的空气质量模型预报结果进行订正. 订正方法分为两步,第一步中利用随机森林、极端随机树和梯度提升回归树3种机器学习算法,采用4个空气质量数值预报模式(CMAQ、CAMx、NAQPMS和WRFChem)的多尺度污染物浓度预报数据、中尺度天气模式(WRF)的气象因子预报数据(包括2 m温度、2 m相对湿度、10 m风速、10 m风向、气压和小时累计降水量)以及污染物浓度观测数据作为训练集,训练结果进入基于均方根误差的择优选择器,选取3种机器学习算法中优化效果最好的算法;在第二步中利用了BP神经网络算法,通过加权平均获得集合模式订正预报结果. 结果表明:①与模式集合平均算法相比,ET-BPNN算法使NO₂、O₃、PM_2.5和PM₁₀浓度预报值与观测值之间的均方根误差分别减小了30.4%、18.9%、43.3%和38.1%. ②ET-BPNN算法的优化效果较随机森林、极端随机树和梯度提升回归树3个机器学习算法有明显提升,与极端随机树算法相比,ET-BPNN算法使NO₂、O₃、PM_2.5和PM₁₀浓度预报值与观测值之间的均方根误差分别降低了42.7%、20.1%、19.7%和9.7%. ③在易发生污染的秋冬季,ET-BPNN算法对PM_2.5浓度的预报具有明显的优化效果,此外该算法明显缩小了不同站点预报和不同预报时效之间的偏差,具有较好的鲁棒性. ④对O₃和PM_2.5浓度预报而言,经ET-BPNN算法优化后的预报结果能够更好地把握污染过程,对污染物峰值浓度的预报也较模式集合平均算法更准确. 研究显示,ET-BPNN算法提高了空气质量模式对污染物浓度的预报效果.      

基于遗传模拟退火算法的频率指配算法研究

在复杂电磁环境中进行频率指配是频谱管理中极为重要且困难的研究课题。提出了一种基于遗传模拟退火算法的频率指配算法,以基本遗传算法为基础,采用自适应的交叉概率和变异概率,将遗传操作和模拟退火操作相结合,从而克服了一般遗传算法的不足,可有效避免陷入局部最优并最终趋于全局优化。理论分析和仿真结果表明,该算法能够给整个无线电网络合理地指配频率,同时能有效地控制算法自身的收敛速度,与传统的指配算法相比,新算法在指配效果上有了很大的提高。     

自适应人工鱼群-BP神经网络算法在径流预测中的应用

为了提高水库和河流中长期径流预测精度,提出了弹性自适应人工鱼群算法(RAAFSA)。应用RAAFSA算法训练BP神经网络,实现BP神经网络参数优化,形成弹性自适应人工鱼群-BP神经网络混合算法(RAAFSA-BP),对石泉水库进行中长期径流预测。仿真计算表明,弹性自适应人工鱼群优化的BP神经网络算法收敛速度快于BP神经网络算法、人工鱼群-BP神经网络算法和RBF神经网络算法。该混合算法克服了BP神经网络和人工鱼群算法易陷于局部极值、搜索质量差和精度不高的缺点,改善了BP神经网络的泛化能力,输出稳定性好,预报精度显著提高,每次预测相对误差绝对值都小于6%,合格率达到100%。该算法成功地解决了石泉水库中长期径流预测精度不高的难题,可有效用于水库和河川中长期径流预测。     

环境模型参数优化方法的比较

模型参数优化是通过极小化目标函数使得模型输出和实际观测数据之间达到最佳的拟合程度.由于环境模型本身的复杂性,常规优化算法难以达到参数空间上的全局最优.近年来,随着计算机运算效率的快速提高,直接优化方法得到了进一步开发与广泛应用.本文比较了CRS、SCEUA、SA和Annealing-Simplex等4种算法应用于环境模型参数优化的结果和计算效率.     

重视算理算法 培养运算能力

在培养学生运算能力过程中,教师要科学地处理好算理和算法的关系,将算理和算法有机地结合起来,让学生不但知其然,而且知其所以然。教师必须做到:算理算法并重;借助直观,感悟算理;把握时机,提炼算法。     

基于蚁群算法的结构面产状模糊C均值聚类分析

鉴于传统结构面分析方法只能进行相对的优势组数划分,无法准确定量地给出优势结构面的产状,提出了基于蚁群算法(ACA)的结构面产状模糊C均值(FCM)聚类算法;该算法利用ACA算法得到结构面产状的模糊聚类个数,并利用FCM算法得到初始聚类中心,最终得到具有全局分布特性的最优聚类;通过现场实测数据分析,验证了该算法的实用性和有效性。     

基于反馈机制的鲸鱼优化算法

针对基本鲸鱼优化算法容易陷入局部最优和收敛速度慢的问题,提出了一种基于反馈机制的鲸鱼优化算法。为了提高算法的全局搜索能力以及局部开发能力,在鲸鱼寻找食物的阶段,通过鲸鱼的自我反馈以及鲸鱼间的反馈(基于均值个体)来提高鲸鱼算法的全局搜索能力,避免算法陷入局部最优。且通过最优位置的鲸鱼自我反馈、其它鲸鱼于最优位置的鲸鱼反馈(基于正态分布)来解决收敛速度慢的问题。实验表明,与基本的鲸鱼算法、粒子群算法、遗传算法相比,改进的算法在收敛的精度、速度以及算法的稳定性方面都有一定的提高。     

加速基因算法在海洋环境预报中的应用

基于自然选择和自然基因机制的基因算法是一种优秀的寻优方法，它利用遗传操作算子来模拟生物界的优生劣汰的规律，是一种多路径全局优化方法。为增强经典基因算法对实际模型参数变化范围的适应性，加快其全局寻优速度和简化算法参数设置技术，本文给邮了一种改进基因算法，并在海渔期预报，冰情预报中得到成功应用。该法可广泛用于各种工程模型优化之中。     

基于人工神经网络方法的水质预测初探

常规的水质预测模型因存在许多简化与假定而限制了其精度与实用性的提高.文章通过引入神经网络技术来建立水质预测模型,分别采用LM算法和RBF算法来提高预测的精度.结果表明,在建立三门峡水库流量和水质的输入响应关系模型的实际应用中,RBF算法取得了较好的预测效果.     

遗传梯度法在水质数学模型参数估值的应用

介绍一种混合遗传算法－－遗传梯度法，并将其应用于水质数学模型参数估值，较一般优化算法能稳定得到的全局最优解。     

基于自适应调整蚁群-RBF神经网络模型的中长期径流预测

径流预测历来是水利部门的一项重要工作,针对水库和河流中长期径流预测精度不高,提出了自适应调节人工蚁群算法(ARACS),对RBF神经网络参数进行优化,建立了自适应调节人工蚁群-RBF神经网络组合算法(ARACS-RBF)预测模型,综合考虑影响径流预变化因素,对安康水库进行中长期径流预测。对预测效果进行检验,结果证实该模型可真实地反映河川径流变化的总体趋势, 并为判断时间序列数据的非线性提供了一种新方法。与RBF神经网络模型、人工蚁群-RBF神经网络模型预测结果进行对比,结果表明,应用ARACS-RBF模型对中长期径流量进行预测,预测精度更高、效果更好。该方法克服了RBF神经网络和人工蚁群算法易陷于局部极值、搜索质量差和精度不高的缺点,改善了RBF神经网络的泛化能力,收敛速度快,输出稳定性好,提高了径流预测的精度,置信度为98%时的预测相对误差小于6.5%。可有效用于水库和河川中长期径流预测。     

面源模式的通用算法探讨

提出了矩形面源扩散模拟计算的数值积分法和中心虚点源法,以及二者结合的综合法,并用算例进行了计算精度、计算速度和结果连续性的对比.结果表明:与传统的后置虚点源法及其改进算法——谷清经验法相比,该算法与理论真值的相对误差可从20%以上降低到3%以下,并且可以准确地反映风向和面源的形状,但在计算量上要增大十几倍到上百倍.对于任意不规则面源,提出了正方形分割算法,并对分割正方形的取舍采用简便的重心判断法,以准确方便地模拟其形状.综合运用笔者提出的适于机算的通用面源算法,对不同的计算任务权衡速度和精度采用合适的算法,可以处理各种气象条件下任意形状面源的扩散计算,并可取得理想的计算精度.      

东海赤潮高发区半分析算法色素浓度反演

为研究赤潮机理和预测预报以减少其危害,根据2002-04东海赤潮调查航次实测资料,得出经验系数,建立方程,发展了东海赤潮高发海区的叶绿素a浓度反演半分析算法.由现场实测数据对算法进行检验,叶绿素a吸收系数a_ph(675)及浓度的反演结果误差基本在30%以内,其中浓度反演结果比较,均方根偏差为0.24,最大相对偏差为40.93%,平均相对偏差为18.83%,相关系数R²为0.83.从检验的结果来看,算法反演的精度较好,对于研究海区相对适用.     

加速遗传算法及其在环境模型参数估计中的应用

提出了遗传算法的一种改进方法－－加速遗传算法，分析了该算法控制参数的优化特性，总结了这些参数的简便设置技术，并给出了它在环境模型参数估计中的几个应用实例。     

模拟退火法优化约束条件下造林规划设计的研究

模拟退火法是一种新的优化算法 ,文中首次提出用该法确定在资金、计划、苗木品种和数量等约束条件下小班造林规划设计最优方案 ,并阐述其数学模型和具体方法。笔者用97个造林小班资料 ,应用模拟退火法对在约束条件下的小班造林规划设计进行了方案优化 ,结果表明该法优化约束条件下造林规划设计效果很理想。