一种基于杂交水稻算法的图像配准方法及系统

    公开(公告)号:CN108305282A

    公开(公告)日:2018-07-20

    申请号:CN201810092708.2

    申请日:2018-01-31

    Abstract: 本发明公开了一种基于杂交水稻算法的图像配准方法及系统。该方法包括采集物体的图像,得到参考图像以及多个待配准图像;参考图像表示空间坐标正确的图像;对各待配准图像进行预处理,采用双线性插值方法将各待配准图像处理为与参考图像具有相同分辨率的图像,得到各待配准图像对应的预处理后的图像;通过杂交水稻算法建立每个预处理后的图像的第一空间变换模型;根据所有预处理后的图像的第一空间变换模型得到第二空间变换模型;通过第二空间变换模型对预处理后的图像的坐标进行仿射变换,得到对应该待配准图像的配准图像。本方法和系统能够提高多级分辨率图像配准的精准度和效率。

    一种数据分类方法及系统
    142.
    发明公开

    公开(公告)号:CN108304874A

    公开(公告)日:2018-07-20

    申请号:CN201810092705.9

    申请日:2018-01-31

    CPC classification number: G06K9/6223 G06F16/2465 G06F16/285 G06F2216/03

    Abstract: 本发明公开一种数据分类方法及系统。所述方法首先获取随机产生的水稻种群和待分类数据;然后根据所述待分类数据计算每个所述水稻个体的适应度值;根据所述适应度值将多个所述水稻个体分为保持系个体、不育系个体和恢复系个体;然后获取所述保持系个体和所述不育系个体杂交过程中产生的杂交最优个体;获取所述恢复系个体自交过程中产生的自交最优个体;获取所述杂交最优个体和所述自交最优个体中适应度值最优的个体;最后将所述适应度值最优的个体作为聚类中心,对所述待分类数据进行分类。本发明所述的数据分类方法及系统通过采用杂交水稻算法来优化K-means初始聚类中心,解决了K-means聚类算法的聚类结果容易陷入局部最优的缺陷。

    一种基于灰狼算法的网络安全日志确定方法和系统

    公开(公告)号:CN108200084A

    公开(公告)日:2018-06-22

    申请号:CN201810092425.8

    申请日:2018-01-31

    Abstract: 本发明公开一种基于灰狼算法的网络安全日志确定方法和系统。所述方法包括:获取网络日志数据集,所述网络日志数据集包括多个网络日志;统计所述网络日志数据集中每一个所述网络日志的出现次数;对所述出现次数进行排序;获取频繁一项集列表,所述频繁一项集列表由出现次数大于最小出现次数的网络日志组成;对所述频繁一项集列表进行分组,得到多个频繁一项集组;将各所述频繁一项集组构建频繁模式树;利用灰狼算法删除所述频繁模式树中的干扰日志,得到安全日志。本发明的方法或系统利用灰狼算法对频繁模式树进行剪枝,能够快速地实现对日志的关联挖掘,提高安全日志确定的效率,并且还能减少在挖掘过程中关联规则的遗漏。

    基于杂交水稻算法的光伏电站多目标无功优化方法及系统

    公开(公告)号:CN108197709A

    公开(公告)日:2018-06-22

    申请号:CN201810092417.3

    申请日:2018-01-31

    Abstract: 本发明公开基于杂交水稻算法的光伏电站多目标无功优化方法及系统,包括:获取光伏电站的电压值;根据电压值得到电压差、有功网损;根据雅克比矩阵得到表示系统的稳定裕度的最小特征值;分别对电压差、有功网损、最小特征值进行归一化处理,根据归一化后的电压偏差、归一化后的有功网损、归一化后的最小特征值得到目标函数;根据杂交水稻算法对目标函数进行最优值求解,得到目标函数的最优值;根据最优值确定对应的最优电压偏差、最优有功网损、最优最小特征值。采用本发明方法或系统对光伏电站内部进行基于杂交水稻算法的多目标无功优化,达到均衡光伏电站站内节点电压,提高其稳定裕度,并且降低有功网损的目的。

    一种基于烟花算法的多标签分类方法及系统

    公开(公告)号:CN108133240A

    公开(公告)日:2018-06-08

    申请号:CN201810092707.8

    申请日:2018-01-31

    CPC classification number: G06K9/6256 G06K9/628

    Abstract: 本发明公开一种基于烟花算法的多标签分类方法及系统,具体为已知训练样本的标签,所述训练样本有多个训练样本节点,根据所述训练样本的标签对待预测样本进行多标签分类,采用烟花算法计算所述待预测样本与所述训练样本之间的最优特征权值;根据所述最优特征权值计算所述待预测样本与所述训练样本节点之间的加权欧氏距离;根据所述加权欧氏距离,从多个所述训练样本节点中获得k个距离所述待预测样本最近的最邻近节点;根据k个所述最邻近节点的标签,获取所述待预测样本的标签。采用烟花算法计算分类算法中的最优特征值,提高了多标签分类的精度。

    一种云计算资源分配方法及系统

    公开(公告)号:CN107528799A

    公开(公告)日:2017-12-29

    申请号:CN201710730801.7

    申请日:2017-08-23

    Abstract: 本发明公开了一种云计算资源分配方法及系统,首先获取含有多个水波的初选集合和迭代次数,并计算每个水波的适应度值;然后判断最小的适应度值是否小于等于预设阈值,若是则适应度值最小水波所对应的云计算资源分配方案为最优云计算资源分配方案,若否,对水波进行传播处理,更新初选集合,记录更新次数;再计算更新后的初选集合中的水波的适应度值,判断更新次数是否小于迭代次数,若是则更新后的适应度值最小的水波所对应的云计算资源分配方案为最优云计算资源分配方案,若否,跳转至判断更新后的最小适应度值是否小于等于预设阈值。因此,采用本发明提供的方法或系统,能够在用户作业要求的前提条件下,提高云计算资源分配效率。

    一种基于伽马变换的快速图像增强方法

    公开(公告)号:CN107527333A

    公开(公告)日:2017-12-29

    申请号:CN201710637673.1

    申请日:2017-07-31

    Abstract: 本发明公开了一种基于伽马变换的快速图像增强方法,方法包括:输入待增强图像,统计图像的灰度直方图;接着利用插值法对原始图像灰度直方图进行平滑处理;然后根据平滑以后的直方图统计图像灰度值的平均值,图像灰度值的众数,图像灰度值的中位数;根据这三个指标值的大小关系,预判断伽马变换中的γ的取值范围,然后利用局部遍历法确定最优的γ值;最后根据最优的γ值对图像进行增强处理并输出增强后的图像。本发明自适应的快速的获得伽马变换的γ值,实现了快速的图像自适应增强,使图像增强算法有更高的效率和更好的图像质量,是一种快速自适应的图像增强方法。

    一种聚类中心的确定方法、确定系统及一种聚类方法

    公开(公告)号:CN107480724A

    公开(公告)日:2017-12-15

    申请号:CN201710730191.0

    申请日:2017-08-23

    CPC classification number: G06K9/6223

    Abstract: 本发明公开一种聚类中心的确定方法及系统,方法包括:构建包括多个水波的水波群;对水波群中的各水波进行传播处理;分别判断传播处理后的各水波的适应度值是否大于传播处理前的水波的适应度值;若是,则用传播处理后的水波代替水波群中传播处理前的水波;否则更新水波群中传播处理前的水波的波高和波长,且传播处理前的水波的位置保持不变;更新水波群和迭代次数;判断当前的迭代次数是否小于设定的进化代数;若是,则返回继续对更新后的水波群中的各水波进行传播处理;否则筛选出更新后的水波群中适应度值最大的水波作为最优水波。本发明提供的方法及系统,通过传播处理从优化搜索的角度出发,使聚类中心一代又一代地优化,并逼进最优聚类中心。

    基于熵的多蚁群人车竞争-协作疏散优化方法

    公开(公告)号:CN107358333A

    公开(公告)日:2017-11-17

    申请号:CN201710371942.4

    申请日:2017-05-24

    Abstract: 本发明提供了一种基于熵的多蚁群人车竞争-协作疏散优化方法,主要通过多蚁群优化算法分别模拟人员和车辆的疏散过程,利用蚁群间的通信机制来模拟人员和车辆的竞争和协作,粒子的运动过程模拟疏散个体,包括人员、车辆的混合疏散过程,并且采用基于熵的多蚁群通信机制模拟人员和车辆群体之间的竞争和信息共享,从而能够更好地模拟人车混合疏散过程中的人员群体和车辆群体,以及不同对象之间的交互,有效避免单一蚁群的正反馈机制带来的拥堵现象,更好地体现人车混合疏散过程中不同交通对象的竞争和协作,得到的疏散方案能够同时满足多个目标需求,从而为不同决策者和疏散个体提供合理高效的决策依据和疏散预案。

Patent Agency Ranking