摘要：路面破损分类成为限制路面破损自动检测的普及和发展的重要因素。本文在已提出的破损密度因子算法的基础上,进一步设计出了混合密度因子,得到一种基于图像子块分布特征的路面破损识别算法。通过仿真,验证了其对常见的5种路面破损类型进行分类的可行性,并选择了另外一种路面破损分类算法来进行神经网络仿真对比。神经网络的训练样本是两组,测试样本也是两组,进行了四次仿真对比。四次仿真结果都显示混合密度因子算法有很高的识别率。

摘要：为改进基于数据描述的单类分类机识别率,将样本分布密度加入分类机的设计中,提出采用密度诱导型数据描述单类分类机（DISVDD）.以支撑向量域描述（SVDD）算法为基础,通过一种简易的形式引入数据密度因子,使高密度区数据对分类支撑域的作用被强化,而低密度区数据的作用被削弱,结果使分类超球体因靠近高密区而提高其识别性能,而且不增加计算复杂度.在构造样本值与真实数据集上的实验结果表明,所提出的算法对于不同类型的数据均具有更好的推广性.

摘要：导弹系统的费用估算对于采办费用的控制、方案的优化设计具有十分重要的意义和作用,目前对导弹系统费用估算方法存在估算精度不高、泛化能力差、计算过程烦杂等问题,作者提出了基于最小二乘支持向量机的导弹系统费用估算方法,并采用了密度因子法来对样本集中的孤立样本点进行剔除.研究表明,最小二乘支持向量机能够较好地适用于导弹系统的费用的估算,并具有较高的估算精度.

摘要：针对阿基米德优化算法(AOA)收敛精度差、跳出局部最优能力弱的不足,提出一种融合聚合因子与正余弦搜索的改进阿基米德优化算法(YMAOA)。首先,引入Sobol序列初始化种群,增强种群多样性;其次,将密度因子重构为非线性递减趋势,同时设计非线性权值平衡算法在不同时期的探索能力和收敛速度;然后,设计基于聚集因子判断的随机反向学习策略,增强全局探索的寻优性能;同时在算法局部优化阶段融合正余弦搜索机制进行位置更新,协助算法跳离局部最优。将改进算法与标准AOA及其他同类算法在9个基准函数上进行对比实验,结果表明:YMAOA算法在寻优精度和收敛能力上有明显提升,对比同类改进AOA算法,YMAOA兼具收敛速度和跳出局部最优能力的优势,Wilcoxon秩和检验结果也证明YMAOA在搜索性能上具有显著性优势。