排序方式: 共有29条查询结果,搜索用时 15 毫秒
11.
12.
13.
几何约束求解问题是当前基于约束设计研究中的热点问题。一个约束描述了一个应该被满足的关系,一旦用户已经定义了一系列的关系,那么在修改参数之后,系统会自动选择合适的状态来满足约束。拟将信赖域方法引入到几何约束求解中。因为传统的Newton法在实际计算时对初始点要求比较严格,且每次都要计算导数,当导数值出现奇异状况或非常小时,使计算无法进行,且收敛性不能保证,因而使方法受到一定的限制。信赖域方法既具有Newton法的快速收敛性又有理想的总体收敛性,而且可以解决Hessian阵不正定和鞍点等困难。 相似文献
14.
针对模式识别中的多分类器集成,通过挖掘测试样本特征属性的相关性,结合训练集的条件独立性分析对每个样本赋予分类规则,构造分类森林(而非单个决策树)进行模型集成。整个学习过程能够自适应确定各决策树结构和数量,并充分发挥集成模型的伸缩性和扩展性。在UCI机器学习数据集上的实验结果验证了本方法的有效性。 相似文献
15.
16.
在将几何约束问题的约束方程组转化为优化模型的时候,需要找到一种方法来跳出局部最优解,进而找到全局最优解。为了兼顾算法的快速性和全局性,几何约束求解时,考虑使用复合粒子群算法。这种粒子群算法是一种基于群智能方法的演化计算技术,不仅在所有的进化算法中都包括控制其自身特性的启发式参数,而且这些参数通常是与特定的问题相关,并可由用户自己定义。虽然合适的参数选择需要用户丰富的经验和对研究问题所提供信息的正确判断,更重要的是,这些启发式参数会影响到算法的收敛特性,但是即便是很有经验的用户也可能选择不恰当的参数,从而使问题得不到有效地解决,这就越来越需要对这些参数进行研究。为此可将将粒子群算法中的控制参数的选取作为一个优化问题,以便用常规遗传算法来控制粒子群算法中的启发式参数,即形成了复合粒子群优化算法,通过把复合粒子群算法成功地应用到几何约束求解技术的实验表明,该方法可以在很短的时间内找到最优解。 相似文献
17.
动态种群划分量子遗传算法求解几何约束 总被引:1,自引:0,他引:1
几何约束问题的约束方程组可转化为优化模型,因此约束求解问题可以转化为优化问题。针对传统量子遗传算法个体间信息交换不足,易使算法陷入局部最优的缺点,提出了动态种群划分量子遗传算法(dynamic population divided quantum genetic algorithm,DPDQGA),并将其应用于几何约束求解中。该算法种群中的个体按照一定规则自发地进行信息交换。在每一代进化的开始阶段,分别对两个初始种群中的个体计算个体适应度。将两个种群合并,使用联赛选择的方法为种群中的个体打分,并按照得分对种群进行排序。最后将合并的种群重新划分为两个子种群。实验表明,基于动态种群划分的量子遗传算法求解几何约束问题具有更好的求解精度和求解速率。 相似文献
18.
随着现代医学成像技术的快速发展,医学影像分类已经成为重要的辅助诊疗需求。将文本领域中的词袋模型引入到图像领域,构建视觉词袋模型。为解决多义词和同义词问题,通过把词袋模型与PLSA主题模型结合,提出PLSA-BOA模型来解决传统词袋模型中的语义问题,这使得基于词袋模型的分类方法在精度上得到了进一步提高。实验结果表明,PLSA-BOW模型用于医学影像分类,具有较高的分类精度。 相似文献
19.
几何约束问题可以等价为求解非线性方程组问题。几何约束问题先被转化为一个优化问题。采用基于小生境改进粒子群优化算法来求解该优化问题。由于经典粒子群优化算法容易陷入局部最优,出现早熟现象。为此,基于小生境原理,提出一种小生境改进粒子群优化算法(niche improved particle swarm optimization,NIPSO)。该算法在进行速度和位置更新后,根据小生境数确定个体历史最好位置中的孤立点。然后对所有个体历史最好值差于孤立点值的粒子使用交叉和选择算子进行更新。实验表明,该方法可以提高几何约束求解的效率和收敛性。 相似文献
20.
采用灵芝和平菇菌丝分别与果树、杨木和竹材为主的植物碎料设计成型六种生物泡沫(依次标记为GG、GY、GZ、PG、PY、PZ),对其防火特性进行研究。结果表明:生物泡沫GG、PY的成炭率较高,阻燃性能较好;在33 s后达到热释放速率峰值,为(204.46±11.38) kW/m2,总热释放量随时间呈现先快后慢的趋势,540 s之后CO产生量迅速增大,该生物泡沫表层菌丝体有较好的阻燃作用,在燃烧初期产生明显的烟气。菌丝体生物泡沫的防火特性与保温泡沫性能相当甚至更优,但阻燃性能有待进一步提升。 相似文献