高尚
- 作品数：346 被引量：1,695H指数：20
- 供职机构：江苏科技大学更多>>
- 发文基金：国家自然科学基金人工智能四川省重点实验室开放基金江苏省“青蓝工程”基金更多>>
- 相关领域：自动化与计算机技术理学文化科学电子电信更多>>
- 基于粗糙集和支持向量机的效能评定被引量：8
- 2008年
- 简述了各种武器效能评定方法,并分析了其特点。建立武器参数效能模型,首先要挑选特征参数,提出采用知识约简方法选择武器的特征参数。利用支持向量机建立了参数效能模型,给出了实例和解决此问题的支持向量机源程序。通过实例与指数法和神经网络法的结果进行了比较,结果表明支持向量机比较精确和简单。
- 高尚房靖
- 关键词：支持向量机ROUGH集知识约简神经网络
- 一种用于卷烟低温加热的固态热源阴燃性能评估实验装置
- 本发明为一种用于卷烟低温加热的固态热源阴燃性能评估实验装置，该装置包括：整体防护外壳结构、集烟罩、抽风机、可升降固态热源分析台、烟气分析仪、红外温度测量仪、高速摄像机。本发明中采用的防护外壳结构的实现了创建一个不受外部流...
- 郭耸赵安文张琳周顺王孝峰何庆张晓宇黄宴峰齐秀生余亮高尚
- 文献传递
- 基于背景检测的图像分割方法被引量：2
- 2009年
- 通过对阈值法单阀值和多阀值的研究,针对其难以处理包含多个前景物体的现状,提出了一种基于统计像素信息自适应地选择背景像素区域的图像分割方法。该方法采用单元格作为像素统计单位、直方图表示各层的像素分布情况,根据像素统计信息确定每一层的背景像素区域,通过相连层单元格背景像素相同或相近的关系自适应地在下一层直方图中修改背景像素区域。实验结果表明,该方法对于图像分割具有很好的通用性和有效性,是一种实用的、有前途的图像分割方法。
- 宋淑娜庄凤庭高尚
- 关键词：自适应图像分割聚集区
- 可靠性优化的蚁群算法被引量：27
- 2004年
- 建立了可靠性冗余优化模型 ,分析了各种优化方法的优缺点。采用模拟退火算法、遗传算法和蚁群算法分别解决了此问题 ,并通过实例 ,结果表明蚁群算法比较有效。
- 高尚杨静宇吴小俊刘同明
- 关键词：可靠性蚁群算法模拟退火算法遗传算法
- 武器-目标分配问题的分布估计算法及参数设计被引量：8
- 2012年
- 建立了武器-目标分配问题的优化模型,分析了分布估计算法与遗传算法的异同.将分布估计算法应用于武器-目标分配问题,该算法通过统计当前群体中优选出的个体信息,给出下一代个体的概率估计,用随机取样的方法生成下一代群体.分析了个体种群数量、选择比例等参数对算法的影响,得出个体种群数量和选择比例取适中时效果最好的结论.仿真结果表明了分布估计算法求解武器-目标分配问题是可靠有效的.此方法具有较好的可扩展性,修改此算法可解决一般组合优化问题.
- 高尚
- 关键词：分布估计算法
- 武器-目标分配问题的粒子群优化算法被引量：62
- 2005年
- 建立了武器-目标分配问题的优化模型,分析了各种解决此模型的方法的优缺点。经典的粒子群是一个有效的寻找连续函数极值的方法,结合遗传算法的思想提出粒子群算法来解决武器-目标分配问题。经过比较测试,4种粒子群算法的效果都比较好,特别交叉策略A和变异策略B的混合粒子群算法是最好的且简单有效的算法。
- 高尚杨静宇
- 关键词：粒子群
- “算法设计与分析”课程改革初探被引量：6
- 2008年
- “算法设计与分析”是计算机科学与技术学科的核心课程之一。本文针对目前该课程教学中存在的问题，就教学内容、教学方法、教学手段、实验环节和考核方式等五个方面的改革进行了探讨。
- 高尚
- 关键词：算法设计与分析计算机专业教学改革
- 一种求解约束多目标优化问题的线性进化算法被引量：4
- 2009年
- 针对多目标优化问题,提出了一种新的基于实数编码的线性进化算法。新算法将约束优化问题的高维搜索空间通过线性变换映射到二维空间,在二维空间中探索原优化问题的解,并构造出一种线性适应度函数,重新设计了一种基于密度函数的交叉算子。对二组典型优化问题的测试表明,本算法是可行和有效的,解集分布的均匀性与多样性均较理想。
- 汤可宗杨静宇高尚郑宇杰
- 关键词：多目标优化进化算法PARETO最优解线性函数
- 一种新的基于粒子群算法的聚类方法被引量：15
- 2006年
- 建立了聚类分析问题的数学优化模型,提出了一种新的粒子群算法解决聚类问题。对基本粒子群优化算法作了改进,思路是将K-均值方法的结果作为一个粒子和利用新的分类中心调整粒子位置。对Iris植物样本数据的测试结果表明:4种粒子群算法的效果都比较好,特别是第3种改进的粒子群算法的效果更好,粒子群优化聚类技术很有潜力．
- 高尚杨静宇
- 关键词：粒子群算法聚类问题
- 一种新的基于混合蚁群算法的聚类方法被引量：20
- 2006年
- 建立了聚类分析问题模型,分析了K-均值算法、模拟退火算法和基本蚁群算法的优缺点。对蚁群算法作了改进,思路是K-均值方法混合,利用K-均值方法的结果作为初值。经过比较测试,两种混合蚁群算法的效果都比较好,特别混合方法二的效果最好。
- 高尚汤可宗杨静宇
- 关键词：聚类分析蚁群算法K-均值算法模拟退火算法
