首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   2篇
  完全免费   1篇
  自动化技术   3篇
  2016年   1篇
  2015年   1篇
  2014年   1篇
排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
具备反向学习和局部学习能力的粒子群算法   总被引:2,自引:0,他引:2  
为解决粒子群优化(Particle Swarm Optimization,PSO)算法中存在的种群多样性和收敛性之间的矛盾,该文提出了一种具备反向学习和局部学习能力的粒子群优化算法(Reverse-learning and Local-learning PSO,RLPSO)。该算法保留了初始种群中满足排异距离要求的多个较差粒子以及每个粒子的历史最差位置。当检测到算法陷入局部最优时,利用这些较差粒子的位置信息指导部分粒子以较快飞行速度进行反向学习,将其迅速牵引出局部最优区域。反向学习过程可改善粒子种群的多样性,保证了算法的全局探测能力;同时,利用较优粒子间的差分结果指导最优粒子进行局部学习与搜索,该过程可与粒子群的飞行过程并行执行,且局部学习的缩放因子可随进化过程动态调节。局部学习可提高算法的求解精度,保证算法的迅速收敛。实验结果表明,RLPSO 算法同其他 PSO 算法相比,在高维函数优化中具有收敛速度快、求解精度高的特点。  相似文献
2.
位置大数据的价值提取与协同挖掘方法   总被引:2,自引:0,他引:2       下载免费PDF全文
郭迟  刘经南  方媛  罗梦  崔竞松 《软件学报》2014,25(4):713-730
随着位置服务和车联网应用的不断普及,由地理数据、车辆轨迹和应用记录等所构成的位置大数据已成为当前用来感知人类社群活动规律、分析地理国情和构建智慧城市的重要战略性资源,是大数据科学研究极其重要的一部分.与传统小样统计不同,大规模位置数据存在明显的混杂性、复杂性和稀疏性,需要对其进行价值提取和协同挖掘,才能获得更为准确的移动行为模式和区域局部特征,从而还原和生成满足关联应用分析的整体数据模型.因此,着重从以下3个方面系统综述了针对位置大数据的分析方法,包括:(1)针对数据混杂性,如何先从局部提取出移动对象的二阶行为模式和区域交通动力学特征;(2)针对数据复杂性,如何从时间和空间尺度上分别对位置复杂网络进行降维分析,从而建立有关社群整体移动性的学习和推测方法;(3)针对数据的稀疏性,如何通过协同过滤、概率图分析等方法构建位置大数据全局模型.最后,从软件工程角度提出了位置大数据分析的整体框架.在这一框架下,位置数据将不仅被用来进行交通问题的分析,还能够提升人们对更为广泛的人类社会经济活动和自然环境的认识,从而体现位置大数据的真正价值.  相似文献
3.
GNSS/MEMS INS组合导航系统是四旋翼飞行器获取位置、速度、姿态的一种重要手段.由于电机转动、气流等因素的影响,旋翼飞行器会出现小幅度的高频抖动,INS机械编排更新率若要满足这一高频运动,将带来沉重的计算负担.在实测分析飞行器抖动特性的基础上,对比了IMU原始采样率不足和仅INS机械编排更新率不足对惯导性能的影响,并分析了四旋翼飞行器所需INS机械编排更新率的底限.实验表明,飞行器高频抖动条件下,由IMU原始采样过低导致的采样混叠会对MEMS惯导性能产生严重影响;但如果原始IMU采样率足够高,而通过求平均(或累加)降采样方法适当地降低机械编排更新率(本文实验条件下可降至20 Hz),则不会明显影响导航精度.本文工作为MEMS惯导用于旋翼飞行器导航提供了参考.  相似文献
1
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