排序方式: 共有11条查询结果,搜索用时 15 毫秒
1.
智能单粒子优化算法 总被引:26,自引:0,他引:26
文中在传统粒子群优化(Particle Swarm Optimization,PSO)算法的基础上,提出了智能单粒子优化算法(Intelligent Single Particle Opti mizer,ISPO).与传统的PSO算法不同,该算法采用了一个粒子在解空间中搜索,粒子的位置矢量被分成一定数量的子矢量,并基于子矢量对粒子进行更新.在子矢量更新过程中,通过分析之前的速度更新情况,引入一种新的学习策略,使粒子在搜索空间中能够动态地调整速度和位置,从而向全局最优靠近.实验表明,此算法对大部分标准复合测试函数都具有很强的全局搜索能力,其寻优能力超过了国际上最近提出的基于PSO的改进算法. 相似文献
2.
国内经济的飞速发展带动机场的旅客吞吐量逐年上升,更加凸显了机场信息化支撑环境、特别是航显系统的重要性。然而,传统的单层B/S架构航班信息显示系统存在客户端数量有限、扩展不易等实际问题。因此,本文通过对国内西部某大型机场的原有航班信息显示系统进行兼容性改造,引入负载均衡及数据、应用分层架构、模板显示等新技术,使原有系统的系统容量、可扩展性、稳定性等获得了较大的提高。 相似文献
3.
提出近似重复矢量(Approximate Repeat Vector,ARV)模型用于DNA序列冗余片段的描述.通过将数据生物信息学特征引入压缩预处理,并使用ARV矢量构造编码码本,提出了非对称DNA序列压缩算法BioLZMA-2.算法引入基于粒子群优化的Memetic改进方法CLIPSO-MA用于压缩码本的智能优化设计,有效提升了编码性能.在标准测试序列上的实验结果表明,BioLZMA-2可获得比现有DNA序列数据压缩方法更高的压缩率. 相似文献
4.
针对面向医学领域的主观评价数据库缺乏,导致医学图像质量评价(image quality assessment,IQA)算法性能难以分析的问题,基于双重刺激失真水平测试法,建立正电子发射断层显像/计算机断层扫描医学图像的主观评价数据库.对比13种国际通用IQA算法在数据库上的性能,分析不同退化方法对IQA算法的影响.结果表明,对新建立的图像评价数据库来说,特征相似性(feature similarity,FSIM)图像评价模型在相关性及稳定性方面明显优于其他IQA算法,包括目前医学领域主流的峰值信噪比评价指标. 相似文献
5.
6.
本文提出了一种新的说话人码本的优化设计方法—粒子对协同优化算法,应用于矢量量化的说话人辨认.此算法利用两个初始粒子对分别在每次迭代中执行粒子群优化算法的速度、位置更新和标准LBG算法实现并行搜索最优码本,粒子对由两个粒子构成,每隔一定的迭代次数通过交换粒子实现粒子对间的信息交流,最后分别选出两个较优粒子组成精英粒子对进一步搜索.此算法避免传统LBG算法陷入局部最优的缺点.实验结果表明,本算法始终稳定地取得显著优于LBG、FCM、FRLVQ-FVQ、FEP和PSO算法的说话人辨认性能,较好地解决了初始码本影响优化结果的问题,且在计算时间和收敛速度方面有优势. 相似文献
7.
在粒子群优化(Particle Swarm Optimization, PSO)和混合蛙跳算法(Shuffled Frog-Leaping Algorithm, SFLA)的基础上,该文提出了一种新的混合粒子对优化(Shuffled Particle-Pair Optimizer, SPPO)算法,应用于矢量量化的说话人识别.该算法将全局信息交换和局部深度搜索相结合寻求最佳的说话人码本.群体按适应值分为3个粒子对,每个粒子对由两个粒子构成,按先后顺序执行PSO算法中的速度位置更新和LBG算法以实现局部细致搜索,间隔一定的迭代次数通过SFLA混合策略实现粒子对间的信息交换,从而使群体向全局最优解靠近.实验结果表明,本算法始终稳定地取得显著优于LBG,FCM,FRLVQ-FVQ和PSO算法的说话人识别性能,较好地解决了初始码本影响的识别性能的问题,且在计算时间和收敛速度方面有相当的优势. 相似文献
9.
基于高性能数字多媒体处理芯片TI TMS320DM6446的类Haar特征人眼检测算法.通过将人眼检测算法封装为算法包并进行优化,实现基于DM6446平台的实时人眼检测系统.封装后的算法包置于DSP端供远程调用.ARM端的应用程序负责从摄像头采集人脸图像,并将结果输出到显示器.人眼检测算法包也被应用于人脸识别系统中.该算法具有搜索速度快、检测率高等优点,适合在便携式平台上实现.实验结果表明,该实时人眼检测系统能在占用较少资源的情况下能有效检测并定位眼睛. 相似文献
10.
本文通过将生物学特征和生物学含义引入DNA序列数据的压缩处理中,提出了基于生物信息学特征的BioLZMA压缩算法.在BioLZMA算法中,DNA序列根据组成部分生物学含义的不同切分重组为四个集合:编码序列CDS集合、内含子序列集合、RNA序列集合以及剩余序列的集合.根据各集合中序列的具体生物学特征分别使用针对性的压缩策略进行预处理,并通过LZMA算法进行压缩编码.实验结果表明,BioLZMA算法在基准测试序列上的压缩性能优于原有的DNA序列压缩方法.特别是对于生物信息学特征清晰的长序列,算法能够在较短的时间内获得较高的压缩率. 相似文献