一类新颖的粒子群优化算法

粒子群优化(PSO)是一类有效的随机全局优化技术。它利用一个粒子群搜索解空间,每个粒子表示一个被优化问题的解,通过粒子间的相互作用发现复杂搜索空间中的最优区域。提出一类新颖的PSO算法,该算法在基本PSO算法的粒子位置更新公式中增加了一个积分控制项。积分控制项根据每个粒子的适应值决定粒子位置的变化,改善了PSO算法摆脱局部极小点的能力。另外,该算法增加了限制搜索空间范围的机制,这对某些函数优化问题是必需的。用5个基准函数做的对比实验结果显示,该算法优于基本PSO算法以及自适应修改惯性因子的PSO算法。     

OPEN表和CLOSED表的合一

在人工智能传统的搜索方法中,一直是将OPEN表和CLOSED表分开的。这不仅增加了搜索算法的复杂性,久而久之,也许禁锢了人们的思想。文章试图改变这种状况,提出了一种与众不同的新思路,巧妙地将OPEN表和CLOSED表合二为一,减少了一些工作量,在一定程度上降低了算法的复杂性。     

提高神经网络泛化能力的研究

从模糊理论的角度出发,提出了一种改进神经网络泛化能力的新方法—“缩放法”。这种方法通过对输入向量的缩放处理,来缩小或模糊化训练样本和新的模式之间的差别,从而使神经网络的泛化能力得以提高。文中提出的新算法—α算法,可以找到合适的缩放因子,进而得到泛化能力更强的新网络。一些实验例证了“缩放法”和α算法的有效性,并从理论上对其进行了初步分析和讨论。     

离焦模糊图像模糊半径检测的新方法

针对离焦模糊图像盲复原中模糊半径难以快速精确检测的问题,提出了局部熵和直方图统计相结合的算法。首先对模糊图像进行局部熵滤波提取图像的灰度变化信息量,利用Canny边缘算子和Hough变换检测出离焦图像的直线边缘;然后利用相互平行直线边缘区域内的直方图统计特性和Grubbs检验法,定位出阶跃直线边缘求出线扩散函数;最后利用线扩散函数得到模糊半径。实验结果表明所提算法在模糊半径较小时能够精确快速地定位阶跃边缘,从而提高模糊半径的识别精度和识别效率。     

基于纹理滤波和方向微分的模糊方向识别

针对最小方向微分(MDD)算法在运动模糊方向识别中误差大和实时性差的缺点,提出一种改进的MDD算法。通过计算局部最大差值对模糊图像进行滤波,增强模糊方向上的纹理细节,利用双线性差值求解最小方向微分和,其对应方向即为模糊方向。根据方向微分和曲线的变化规律,给出模糊方向的迭代搜索模型,从而减少搜索次数。仿真结果表明,改进算法具有较高的识别精度和较快的执行速度。     

均衡竞争神经元获胜机会的方法

竞争型神经网络存在"死点"问题,某些神经元在竞争中可能始终未能获胜而成为"死神经元",不仅造成神经元的浪费,而且造成训练误差偏大,无法达到训练误差的精度要求,不能很好完成它所担负的聚类或分类任务.针对该问题,研究竞争型神经网络的切入点,深入探讨了LVQ神经网络并且通过引入阈值学习规则,均衡神经元获胜的机会,较好地解决了该类网络在遇到"死"点时训练误差偏大的问题,仿真实验结果表明了该方法的有效性.     

基于LS-SVM的不确定非线性系统滑模控制

针对滑模控制中不确定上界值的问题,提出了一种基于LSSVM自适应上界学习的滑模控制方法.首先将系统分为确定部分和不确定部分,对确定部分采用状态反馈法进行控制,对不确定系统部分采用最小二乘支持向量机( LSSVM)来完成.该控制器不仅可以保证非线性不确定系统渐近稳定,降低一般滑模控制理论分析的条件,还有效地抑制了抖振.仿...     

基于竞争型网络的连续属性离散化方法

连续属性的离散化是粗糙集理论的主要问题之一.针对粗糙集理论只能处理离散数据的局限性,提出基于属性决策表和竞争型网络的连续属性离散化方法.首先使用条件属性与决策属性之间的决策关系来度量条件属性的重要性,并据此对条件属性按照重要性由小到大排序,然后利用竞争型网络分类功能找到连续属性的断点,从而实现了对连续属性的离散化.算法分析和实验证明算法是切实可行的.     

形态学联想记忆存储性能的研究

形态学联想记忆(Morphological Associative Memories,MAM)的存储性能是衡量形态学联想记忆能力大小的重要指标。然而,迄今为止,对形态学联想记忆的存储性能,主要是对异联想形态学联想记忆(hetero-MAM)的存储性能的定量分析和定性刻画并未完成。这是一个悬而未决的理论问题,也是一个MAM应用的实际问题。针对这一问题开展研究,站在概率论的角度,提出一个MAM存储性能的概率模型,并进行了证明。通过定量分析和定性讨论,取得一致结论。研究和分析表明,het-ero-MAM的存储性能受到输入模式向量维数n、输出模式向量维数m、以及输入、输出模式对数目K的影响,且三者的影响程度不同。提出的概率模型,对形态学联想记忆的研究、分析、设计和应用,具有一定的启发和帮助。     

基于局部标准差和方向微分的模糊方向识别

针对最小方向微分算法在运动模糊方向识别中误差大和实时性差的缺点,提出利用局部标准差和方向微分相结合的方法鉴定模糊方向。该方法首先对模糊图像进行局部标准差滤波以增强模糊方向上的纹理细节,然后利用双线性插值求最小方向微分和,其对应的方向即为模糊方向;在对方向微分和曲线归纳分析后找到了其内在规律,基于此规律提出范围对半递减搜索最小值的方法,减少了搜索次数。实验结果表明该算法识别精度高,抗干扰性强,实时性好。