共查询到10条相似文献,搜索用时 15 毫秒
1.
当前使用的深度学习驱动、基于哈希算法的数据检索方式,容易受到原始数据集冗余信息和噪声影响,存在检索查准率和查全率不高的问题,因此提出了基于粒子群算法的科技创新数据检索系统设计。使用检索引擎构建索引库群,设计检索数据存储模块、关联导航模块、数据分词流程。利用粒子群算法求解分词最短路径,根据数据分词处理结果,获取查询关键词对应的查询分词向量,完成数据检索,以此作为分词结果,避免系统检索受到原始数据集冗余信息和噪声影响。由实验结果可知,该系统查准率最高为96%,查全率最高为97%,具有高效检索效果。 相似文献
2.
随着科技的快速发展,大数据时代已经到来.对于大数据的分析与处理推动社会经济的不断发展,在大数据背景下,数据规模、处理难点的优化问题也变得更加多样化,进而使优化方法成为人们日益关注的焦点.一种新型的计算技术——群智能算法,运用高效的优化算法对自然界社会性生物群体进行模拟,解决各个领域的实际问题.本文提出群智能算法中的自适应优化算法——粒子群算法,详细分析粒子群算法的原理,为了提高全局搜索能力及计算效率,本文加入了种群自适应增加/删除个体数目方法有效改进种群多样化,提高收敛速度及质量.基于逻辑斯谛模型的算子设计有效地增强了粒子群的多样性,自适应控制策略更具有一般性特征,可更好地应用到不同的群智能算法中,解决大数据问题的优化性. 相似文献
3.
4.
基于云计算的大数据聚类挖掘,需要结合改进粒子群算法、k-means算法的优势,提出基于改进粒子群优化(Particle Swarm Optimization,PSO)的k-means聚类算法,设置自调节惯性权重、云变异算子,根据数据集种群的进化程度,调整粒子群算法的全局搜索、局部搜索能力,追踪数据粒子的个体极值、全局极值,更新每个数据个体在解空间中的点位置、更新速度,并在数据种群进化到一定程度时进行变异操作,选择全局极值作为期望Ex来控制种群迭代次数,避免数据挖掘陷入早熟收敛、局部最优解的情况。 相似文献
5.
6.
7.
针对城市路网交通流数据的空间相关性、非线性和平稳与非平稳的特点,提出一种采用基于交通流量数据相关性分析改进的路网聚类算法与基于交通流量分段加权适应度函数的粒子群小波神经网络算法(MC-MPSOWNN)相结合的预测方法,来提高算法的预测精度.首先,利用基于交通流量数据相关性分析的路网聚类算法筛选出空间中与预测点交通流量数据相关系数高的其他观测点,以此精简了样本输入数据,减少冗余数据对预测精度的干扰,提高整体预测精度;其次,再构建一种新型的粒子群算法的适应度函数,给予整体预测样本中非平稳数据段更大的调节力度,以此来进一步提高非平稳数据段的预测精度.最后经实验结果分析,提出的改进预测算法相比未进行改进前预测算法而言,明显提高了整体及非平稳数据段预测精度,达到较好的预测效果. 相似文献
8.
9.
10.
提出了一种基于经验模态分解(Empirical Mode Decomposition,EMD)的音频水印算法,选择EMD分解得到的冗余信号分量作为水印的嵌入位置,并证明了冗余信号分量按照提出的算法嵌入水印以后仍然是冗余信号分量,从而为水印嵌入提取提供了理论基础.通过粒子群优化算法求解出适用于EMD分解的最优音频水印嵌入强度,按此强度嵌入水印,可以同时满足水印的健壮性和不可感知性.仿真结果表明,使用计算出的最优嵌入强度嵌入水印,嵌入水印后的音频信号在受到大部分攻击的情况下可以确保水印的不可见性和健壮性. 相似文献