首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 515 毫秒

1.  一种基于Tabu搜索的模糊学习矢量量化图象编码算法  
   罗萍  张基宏  彭旭昀《中国图象图形学报》,2002年第7卷第2期
   模糊学习矢量量化算法 (FL VQ)虽然解决了硬的竞争学习对初始码本的依赖性问题 ,但收敛速度变慢 ,且仍无法克服陷入局部最小 .为此在分析模糊学习矢量量化图象编码原理的基础上 ,探讨了 FL VQ算法的几种优化途径 ,进而提出了一种基于 Tabu搜索 (TS)的模糊学习矢量量化的新算法 (TS- FL VQ) ,并给出了该算法的具体实现方法及步骤 .该算法首先利用 TS技术产生一个面向全局搜索的寻优列表 ,然后再进行模糊学习以得到最优解 .实验结果表明 ,该算法在收敛速度及编码效果上均较 FL VQ有较大的提高 .    

2.  基于禁忌搜索的人工蜂群算法及其应用  
   刘蓓蕾  江铭炎  张振月《计算机应用研究》,2015年第32卷第7期
   人工蜂群算法(artificial bee colony algorithm,ABC)是一种简单有效的群智能算法,通过蜜蜂之间的相互合作寻找最优解.禁忌搜索算法(tabu search algorithm,TS)是人工智能与局部邻域搜索算法的结合,具有非常好的全局寻优能力.为了提高ABC的搜索效率和全局寻优能力,结合TS,在ABC中增加一个禁忌表,提出了一种基于禁忌搜索的人工蜂群算法(artificial bee colony algorithm based on tabu search,TSABC).通过对10个常用的标准测试函数进行实验,对TSABC算法进行了验证,并将其应用于图像边缘检测中.实验结果表明,TSABC取得了较好的优化效果,提高了寻优精度和收敛速度,边缘检测结果也更理想.    

3.  模糊增强学习码书设计算法及其在图像编码中的应用  
   李霞  罗萍  罗雪晖  张基宏《信号处理》,2002年第18卷第5期
   本文提出一种用于图像压缩编码的模糊增强学习码书设计算法。该算法是在模糊竞争学习矢量量化的基础上引入增强学习,并用输入训练模式的监督信号与类别模式之间的隶属度控制增强信号。实验结果表明,该算法对初始码本依赖性小,与模糊竞争学习矢量量化和微分竞争学习算法相比,收敛速度更快,性能更好。    

4.  基于旋转学习策略的共生生物搜索算法  
   王艳娇  陶欢欢《计算机应用研究》,2017年第34卷第9期
   为提高共生生物搜索算法(Symbiotic Organisms Search, SOS)的性能,提出一种基于旋转学习策略的共生生物搜索算法(Symbiotic Organisms Search Using Rotation-Based Learning, RSOS)。该算法将串行个体更新方式改为并行种群更新方式,提高算法收敛速度;引入遍历保优的旋转学习策略,代替寄生机制的盲目随机搜索,增大保留新个体的概率,补充种群多样性,提高算法跳出局部最优的能力。对于8个标准测试函数仿真表明,RSOS算法较基本SOS算法在收敛速度、收敛精度及稳定性上得到了明显提升。    

5.  高效的模糊聚类初始码书生成算法  被引次数:2
   张涛  于凤萍  要强  陈存彪  张海《红外与激光工程》,2010年第39卷第1期
   码书设计在矢量量化中至关重要,而多数码书设计算法都是基于初始码书的.从经典的LBG算法的缺陷出发,提出一种基于模糊聚类的高效初始码书生成算法,通过将初始码书的码矢在输入矢量空间中很好地散开,并尽可能占据输入概率密度较大的区域,从而使之后的LBG算法避免陷入局部最优,设计出的码书性能更好,更加接近全局最优,同时加快了收敛速度,减少了迭代次数.将该算法应用于图像编码的实验中,结果表明:该算法能够从效率和质量两方面有效地提高矢量量化的性能.    

6.  模拟退火多级VQ编码方案及实现  
   王世刚  陈贺新《中国图象图形学报》,2000年第5卷第8期
   在查阅和分析多级矢量量化和模拟退火技术有关文献资料的基础上,阐述了矢量量化最优码书的形成条件,并以多级矢量量化和模拟退火技术为基础,提出了一种基于模拟退火技术的多级矢量量化编码方案,该方案充分弥补了多级矢量量化和模拟退火技术在图象编码中应用的各自不足,并且发挥了多级矢量量化和模拟火技术在图象编码中应用的各自优点,理论和实验都证明,该算法不仅能 码书存储量,而且图象恢复效果较好。    

7.  动态模糊矢量量化算法  被引次数:2
   孔祥维  李国平《中国图象图形学报》,2000年第5卷第8期
   由于传统的K-均值算法在用于矢量量化时强烈依赖初始码书的选取,如果初始码书选取不好,则很容易陷入局部最小点;而Bezdek的模糊K-均值算法由于计算量很大,也很少用于矢量量化的设计码书,因此人们一直在寻找收敛速度和收敛效果两者性能较好的算法,在研究Nicolaos等人提出的模糊矢量量化(FVQ)算法基础上,针对FVQ算法收敛过程存在的总理2,并从收敛结构和收敛策略出发,提出了一种动态的法在收敛速度    

8.  反向认知的高效果蝇优化算法  
   韩俊英  刘成忠《计算机工程》,2013年第11期
   针对果蝇优化算法的早熟收敛问题,提出一种基于最优和最差个体协同学习的果蝇优化算法。该算法通过在进化方程中添加向最差个体学习的改进策略,优化进化方程,增强算法跳出局部最优、寻找全局最优的能力。对经典测试函数的仿真结果表明,该算法具有更好的全局搜索能力,在收敛速度、收敛可靠性及收敛精度上比其他算法有较大的提高。    

9.  一种基于Tabu搜索求解维修费用的算法  
   高雪东  董传良  任政《计算机应用》,2006年第26卷第5期
   在资源有限的情况下求解维修费用的算法是一个0-1规划的问题。目前已有的算法有可能得到局部最优,但不能保证得到全局最优。针对这类问题的特性,提出了一个基于Tabu搜索的算法。为了简化计算提出了图论的模型,用Tabu算法对其模拟,充分利用了Tabu搜索的集中性与广泛性的优点,在提高搜索速度的同时可以更加接近最优解。仿真实验表明:该算法具有快速,易收敛的特点,更适合在规模比较大的情况下应用。    

10.  基于混合遗传算法的码书设计方法  
   李霆  王东进  刘发林《电讯技术》,2007年第47卷第1期
   将遗传算法与LBG算法相结合,得到了一种矢量量化码书设计算法.利用遗传算法的全局优化能力得到最优的矢量量化码书;同时,克服了传统遗传算法收敛速度慢的缺点.实验结果表明,文中提出的算法性能上优于LBG算法,且收敛速度较快.    

11.  基于改进的Tabu搜索算法的电力系统无功优化  被引次数:3
   汪剑  游大海  徐天奇《华中电力》,2005年第18卷第4期
   将一种改进的Tabu搜索算法用于电力系统的无功优化,建立了相应的数学模型,并以有功网损为目标函数。在传统的Tabu搜索算法的基础上,对补偿电容分组投切的二进制优化编码、退出迭代的判定条件、Tabu表深度、不同循环起点的选择等问题做了分析讨论,并做出了一定的改进,使得更容易跳出局部最优解,保证可以搜索整个可行域,从而得到最优解的可能性更大。文章应用改进的Tabu搜索算法对IEEE6节点系统进行了无功优化计算,与传统的Tabu算法进行了比较.结果袁明改进的Tabu搜索算法具有更强的全局寻优能力。    

12.  基于禁忌搜索的混合粒子群优化算法  
   满春涛  王昆  张礼勇《哈尔滨理工大学学报》,2009年第14卷第4期
   针对粒子群优化算法(PSO)易于陷入局部最优解并存在早熟收敛的问题,利用禁忌搜索算法较强的“爬山”能力,搜索时能够跳出局部最优解,转向解空间的其他区域的特点,提出了一种新的基于禁忌搜索(TS)的混合粒子群优化算法(TS—PSO),并选用两个函数进行测试.结果表明,TS—PSO比其他改进粒子群算法更能提高收敛速度,获得全局最优解.    

13.  基于免疫学习机制的遗传算法及其应用  
   薛文涛  吴晓蓓  王强《信息与控制》,2008年第37卷第1期
   针对基本遗传算法在进化后期收敛速度慢、易早熟收敛的问题,提出一种基于免疫学习机制的遗传算法(ILGA).该算法的核心在于保持种群的多样性和执行强化学习及弱小保护策略,算法不仅保持了优良抗体在进化中的主导地位,而且充分发掘强成长性抗体的寻优潜力,在优良记忆库的作用下,算法对全局最优的搜索快速且有效.通过标准函数的优化试验,仿真结果表明该算法有较强的全局收敛能力和较快的收敛速度.以二级倒立摆为被控对象,利用ILGA优化T S模糊神经网络控制器,实验证明了该方法具有稳态性好、响应速度快等优点.    

14.  结合禁忌搜索的改进粒子群优化算法  
   李勇刚  邓艳青《计算机工程》,2012年第38卷第18期
   为提高粒子群优化算法的全局搜索和局部开采能力,提出一种结合禁忌搜索(TS)的改进粒子群优化算法。在搜索过程中,以线性递增的概率对最优粒子实施随机扰动,在全局搜索收敛到一定程度后,引入TS算法进行局部搜索,使算法快速收敛到全局最优解。分析结果表明,该算法收敛精度较高,能有效克服早熟收敛问题。    

15.  基于粒子群优化的模糊C一均值聚类算法研究  
   王纵虎  刘志镜  陈东辉《计算机科学》,2012年第39卷第9期
   针对用模糊C-均值聚类算法选择初始聚类中心敏感及模糊加权指数m对模糊C-均值聚类算法的聚类性能影响较大等问题,利用粒子群优化算法的全局寻优能力强及收敛速度较快的特点,结合模糊C-均值算法提出一种新的模糊聚类算法;采用了一种简单有效的粒子编码方法,将初始聚类中心和模糊加权指数m同时进行粒子群优化搜索,在得到最优适应度的同时,m也收敛到一个稳定的最优解,从而有效地解决了上述问题。算法在人工合成数据集和多个UCI数据集上都取得了较好的效果。    

16.  一种基于混沌寻优神经网络模型的语音识别矢量量化算法  
   刘宇红  刘桥  任强《计算机工程与应用》,2003年第39卷第34期
   矢量量化在语音识别中占有重要的地位,传统的LBG算法虽然收敛速度快,但极易陷入局部最优点。论文利用混沌运动固有的随机性与轨道遍历性等优良性质,提出了一种基于混沌寻优的Hopfield神经网络模型,并将其运用于语音识别中的矢量量化。该算法不仅收敛速度快,而且能够获得全局最优解,且初始解对算法的影响很小。实验结果表明该算法综合性能指标优于传统算法,具有较高的应用价值。    

17.  一种基于混合蚁群算法的矢量量化码书设计算法  
   罗雪晖  李 霞  张基宏《通信学报》,2005年第26卷第9期
   提出了一种基于混合蚁群算法的矢量量化码书设计算法。该算法首先通过自适应地调整截取转移概率的参数,加大蚁群算法的搜索最优解的力度;然后以蚁群算法搜索的结果作为初始解,利用改进的LBG算法作进一步的搜索,从而加快算法的收敛速度。实验结果表明,该算法不但大大提高码书性能,而且也缩短了运行时间,解码恢复图像能获得较高的主、客观质量。    

18.  一种改进的GA+BP模糊逻辑系统混合学习算法  被引次数:1
   林林  申东日  陈义俊《辽宁石油化工大学学报》,2004年第24卷第1期
   分析了遗传算法(GeneticAlgorithm)和BP算法在模糊逻辑系统参数寻优问题上的优缺点,提出一种基于改进的GA+BP模糊逻辑系统混合学习算法。该算法克服了由于学习率选取不当对整个遗传进化过程造成的不利影响,改进了遗传算子具体操作步骤,并对当前最优个体采用最优保留策略。充分利用了杂交、变异选择算子在全变量空间以较大概率搜索全局解的特点,以及在解点附近BP算子快速、精确地收敛的特点。仿真实验表明,改进算法与原算法相比,在满足同样精度的条件下,具有较快的收敛速度。    

19.  基于改进的Tabu搜索算法的电力系统无功优化  
   汪剑  游大海  徐天奇《电力建设》,2005年第26卷第6期
   将一种改进的Tabu搜索算法用于电力系统的无功优化,建立了相应的数学模型,并以有功网损为目标函数。在传统的Tabu搜索算法的基础上,对补偿电容分组投切的二进制优化编码、退出迭代的判定条件、Tabu表深度、不同循环起点的选择等问题做了分析讨论,使得更容易跳出局部最优解,保证可以搜索整个可行域,从而得到最优解的可能性更大。应用改进的Tabu搜索算法对IEEE6节点系统进行了无功优化实例计算,结果表明改进的Tabu搜索算法具有更强的全局寻优能力。    

20.  一种指数型模糊学习矢量量化图像编码算法  被引次数:6
   张基宏  何振亚《通信学报》,1998年第19卷第10期
   本文分析了模糊矢量量化(FVQ)图像编码的原理,提出了一种指数型模糊学习矢量量化算法(EFLVQ)。实验结果表明,该算法具有快速收敛性能,设计的图像码书峰值信噪比与FVQ算法相比也略有改善。    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号