共查询到20条相似文献,搜索用时 15 毫秒
1.
为了解决现有人体姿态库构建方法存在的装备维修性仿真验证任务针对性不足的问题,提出了一种基于改进花朵授粉算法与K-means算法的人体姿态库构建方法。针对花朵授粉算法寻优精度不够理想的问题,将乌鸦搜索算法引入花朵授粉算法。提出了一种改进花朵授粉算法。测试结果表明:相比粒子群算法和花朵授粉算法,改进花朵授粉算法具有搜索范围广和寻优精度高的优点。为避免K-means算法易陷入局部最优解,将改进花朵授粉算法引入K-means算法,在提出个体编码方式与定义个体操作函数的基础上,设计了改进花朵授粉算法的计算步骤,使改进花朵授粉算法与K-means算法相融合,进而对装备维修人员的维修作业姿态进行聚类。提取各类中心数据,将其作为人体姿态库中虚拟人体的部位动作角度输入参数,构建了具有装备维修性仿真验证任务针对性的人体姿态库。仿真实验结果表明:相比基于粒子群算法与K-means算法融合的人体姿态库构建方法等5种方法,改进花朵授粉算法与K-means算法的融合方法具有寻优精度高和聚类效果好等优点,适用于装备维修性仿真验证工程实践。 相似文献
2.
针对复杂产品装配车间调度问题,提出了一种改进的离散磷虾群(IDKH)装配调度算法。以工期最小化为调度目标,通过分析复杂产品装配工艺流程特点,建立了复杂产品装配调度模型。基于排列的编码方式和启发式规则的改进解码方式实现了调度解与种群个体之间的转换,并通过局部搜索和重启操作对标准磷虾群(KH)算法进行了改进,增强了算法的局部开采能力和全局搜索能力。采用正交试验方法分析了不同参数设置对算法性能的影响,确定了IDKH算法的最佳参数组合。基于标准实例对不同算法性能进行了比较,对比结果表明,IDKH装配调度算法在求解质量和稳定性上均优于遗传算法、分布估计算法、引力搜索算法和标准KH算法。 相似文献
3.
针对传统K-means 聚类算法聚类过程以及聚类结果公示时可能出现隐私泄露的问题,提出具有差分隐私
保护的改进K-means 算法。在原有K-means 基础上引入密度度量,提高簇类的类内相似性,保证选取的中心处于相
对密集区域;引入距离度量,降低簇类的类间相似性,保证不同类聚中心排斥性较高;引入类间平均最大相似度,
动态规划最佳聚类个数K 和最佳初始类内中心;引入了隐私保护拉普拉斯噪声,保护信息的安全性。实验结果表明,
该算法比传统算法具有更高的聚类可用性和数据可靠性。 相似文献
4.
粒子群优化的模糊C均值聚类航迹关联算法 总被引:1,自引:0,他引:1
针对模糊C均值聚类航迹关联算法存在局部最优问题,同时算法的收敛速度受初始值的影响也较大,提出一种将粒子群(PSO)和模糊C均值(FCM)聚类算法相结合的航迹关联算法。该算法将多目标的航迹关联问题看做是一类约束条件下的组合优化问题,利用粒子群(PSO)强大的全局寻优能力,与模糊C均值聚类算法相结合求解航迹关联问题。仿真结果表明:在相同的条件下,粒子群优化的模糊C均值聚类算法与模糊C均值聚类算法相比,聚类性能明显改善,关联正确率也有明显的提高。 相似文献
5.
6.
7.
8.
针对图形模糊聚类对灰度分布不均匀及噪声干扰图像无法获得满意分割结果的不足,提出一种基于全散度的自适应鲁棒图形模糊聚类分割算法。全散度和像素邻域信息相结合,得到一种改进的全散度;改进的全散度引入图形模糊聚类最优化模型,并嵌入像素空间邻域信息。当前聚类像素与邻域像素均值的偏差作为该鲁棒聚类分割模型的正则因子,促使该聚类对强弱噪声具有自适应抑制能力。测试结果表明,与现有的图形模糊聚类、鲁棒模糊聚类等算法相比,自适应鲁棒全散度图形模糊聚类分割算法的分割效果和抗噪鲁棒性均有明显改善。 相似文献
9.
10.
武器系统的探测设备通常面对的是非合作目标,观测样本在特征空间中的分布形式难以预期,噪声、不规则的类簇形状以及差异化的类簇密度给聚类分析带来极大挑战。提出了一种自适应的网格聚类算法,该算法包括基于k-近邻方法的空间分辨率自适应网格化处理方法,以及基于自适应分水岭变换的类簇结构检测与划分方法。实现了对噪声以及密度差异极大类簇的自适应处理,同时保留了网格聚类方法对类簇形状不敏感、不需要类个数作为先验参数等优点。通过雷达、电子侦察以及复杂人造数据集的仿真,证明了该算法的有效性。 相似文献
11.
12.
基于组合粒子群算法的运载火箭弹道优化设计 总被引:2,自引:0,他引:2
提出一种基于粒子群算法和方向加速法组合成的PSO-Powell算法,能进行大范围搜索,其最优解具有全局收敛性。在该算法中,对粒子群算法的参数设置进行了改进,提升了其性能,并引入增广拉格朗日乘子法处理优化问题的约束条件,提高了最优解的精度。仿真结果表明PSO-Powell算法应用于运载火箭弹道优化设计具有良好效果,可以提升运载能力,具有一定工程应用价值。 相似文献
13.
14.
针对工业生产线上装配机器人在粘连、堆叠、光照变化及环境因素干扰等复杂条件下零件检测率低、鲁棒性差等问题,提出一种基于改进YOLOv3深度学习框架的零件实时检测方法。在基础特征提取网络Darknet-53的每个残差网络后嵌入CFE模块,构建融合CFE模块和Darknet-53的深度特征提取网络CFE-Darknet53,建立YOLOv3深度学习框架下基于CFE-Darknet53的零件实时检测模型,提升检测网络在复杂环境下特征提取能力;设计一种改进K-means算法来预测边界框,通过对零件数据集进行聚类分析,选取最优的锚框个数和尺寸,进一步提高检测准确性。实验结果表明:在复杂条件下,改进算法对相似度很高的多类零件检测准确率能达到91.6%以上,相比YOLOv3算法提升了近10%以上;检测时间为43 ms,在视频传输帧率(24帧/s)下实现了零件实时准确检测。 相似文献
15.
为解决未知协议种类繁多、聚类结果不能涵盖所有协议的问题,提出一种基于调整互信息的一类分类算
法。采用改进的k-means 聚类,构建目标样本的合理覆盖模型,计算每个聚类中心的调整互信息阈值,得到各个聚
类中心的调整互信息值,对不同聚类互信息阈值进行比较,并通过实验验证了算法的有效性。实验结果表明:与其
他传统的一类分类方法相比,该方法在二进制协议一类分类中取得了较好的结果。 相似文献
16.
17.
18.
针对模糊C均值算法与粒子群算法的不足,提出了一种基于粒子群算法和模糊C-均值算法的混合聚类算法.该算法将全局搜索和局部搜索有机结合,采用两阶段的聚类分析方法,解决了FCM算法易于陷入局部最优和PSO算法局部搜索较弱的问题.实验结果表明,该算法具有较好的有效性,增强了全局收敛能力,减小了分类错误率. 相似文献
19.
提出了一种基于核PCA的智能图像分析算法,该算法将非线性数据映射到高维特征空间,能自动创建新的聚类并且连续调整聚类以适应于新目标,从而提高目标识别系统的性能。重点研究了基于核PCA算法在径向基神经网络中的应用,提出一种核PCA—RBF网络模型,并进行了目标检测、分割和无人监督目标分类的仿真实验。 相似文献
20.
针对部署在嵌入式平台的目标检测模型在检测航拍目标时存在的检测速率低、耗时高、存储容量低的问
题,提出一种基于优化YOLOv3 算法的航拍目标检测方法。通过模型剪枝极大地减少了模型参数量,使用二分
K-means 对传统的锚框聚类算法进行优化改进,引入CIOU 损失函数加强边界框回归效果,再经TensorRT 对模型优
化加速后将该检测模型部署到JetsonTX2 平台上。选取大量不同类别不同环境的航拍图像制作数据集进行实验对比。
结果表明:优化后的算法在检验不同航拍图像目标时平均精度可达到83.9%,对每张图片的检测速度从2.8 FPS 提升
至14.7 FPS,满足精确性和实时性要求。 相似文献