排序方式: 共有41条查询结果,搜索用时 0 毫秒
1.
2.
针对传统WDCT图像压缩编码算法频率卷曲参数的难选取问题,提出了小生境演化算法下的WDCT图像压缩方法(NEAWDCT).利用小生境演化算法全局寻优的特点,与WDCT图像压缩编码方法相结合,达到自适应选取最优频率卷曲参数的目的.针对频率卷曲参数特征,设计染色体编码方式及演化算子,以加快收敛速度.由于图像能量多集中于低频部分,选择特定范围内的数值初始化种群,不仅能加快算法收敛速度,还保留了种群的多样性.实验结果表明,利用新的NEAWDCT算法生成的WDCT矩阵能有效提高峰值信噪比. 相似文献
3.
遗传算子在演化算法中发挥重要的作用。设计了基因表达式编程中的一种新遗传算子(TIS),它在基因尾部随机选择一个小片段,然后复制该片段(或该片段的倒置)并插入到基因尾部的任意位置,插入点后的符号依次向后挪动,超过尾部长度的编码被丢弃。实验表明,该算子在挖掘多元函数时能提高算法的成功率和收敛速度。 相似文献
4.
一种基于输运理论的多目标演化算法 总被引:2,自引:1,他引:2
提出了一种根据输运理论中的粒子输运方程、相空间能量定律和熵增法则构造的一种能够准确、高效地求解多目标优化问题的多目标演化算法(MOPEA).由于该算法使用了粒子系统从非平衡达到平衡的理论来定义求解多目标问题的Rank函数和Niche适应值函数,使得种群中的所有个体都有机会参与演化操作,以达到快速、均匀地求出多目标优化问题的Pareto最优解.数据实验显示,利用该算法求解多目标优化问题不仅能够使算法快速地收敛到全局Pareto前沿,同时由于该算法要求所有的粒子都要参与杂交和变异等演化操作,从而避免问题早熟现象的出现,并通过与传统演化算法的性能指标分析比较说明,使用该算法求解多目标优化问题具有明显的优越性. 相似文献
5.
基于演化硬件的随机数发生器,分析前先假设从序列密码算法或随机数发生器产生的待检验二进制位序列、长度及检验统计值,从测试文件读取的数据来自随机数发生器的某序列.再根据每个测试算法相关的子程序进行读入、数学变换等处理.最后通过生日间隔、停车场、重叠求和等测试,得出所测试序列文件均是随机的结论. 相似文献
6.
针对车牌中汉字识别率低和识别速度慢问题,提出一种基于深度学习的车牌识别网络LeNet-5-L,该网络把车牌识别分为两个阶段,运用OpenCV库函数对车牌图像预处理,结合垂直投影分割方法将车牌分割为7个独立字符图像,降低了图像特征提取难度,从而提高车牌中各个的字符识别率和整个车牌识别速度;运用卷积神经网络解决车牌字符识别问题,基于LeNet-L设计一种车牌字符识别网络LeNet-5-L,有效提高车牌中首字符汉字识别率;实验结果表明,该网络对车牌中各个字符的识别准确率均高于99.97%,单个车牌识别时间仅需0.83 ms,该方法有效的提高车牌识别的正确率和识别速度. 相似文献
7.
针对传统演化算法在求解函数优化,特别是多峰函数优化问题中出现的早熟现象以及演化后期收敛速度慢等问题,提出了一种新的反序小生境演化算法。该算法采用小生境反序交叉算子,以进一步增强局部寻优的能力;引入一种并行演化算法机制,加强群体寻优能力;同时,根据定义域划分初始种群,增加初始种群的覆盖面积。通过仿真实验表明,与传统的小生境演化算法相比较,利用该算法求解复杂多峰函数优化问题能够明显提高问题的求解精度和收敛速度,而且能够得到所有的全局最优解,更好地避免了求解问题时的早熟现象,达到了较好的效果。 相似文献
8.
差分演化算法有局部搜索能力不足、容易跌入局部最优等缺点,其搜索性能主要依赖于对杂交概率和缩放因子的设置。为了改善上述缺陷,对带归档的自适应差分演化算法JADE进行深入的研究与分析,提出了改进的自适应差分演化算法ZJADE。该算法采用斜帐篷混沌映射函数初始化种群,在每次迭代中为每个个体分别产生满足正态分布、柯西分布的杂交概率和满足正态分布的缩放因子,并且记录成功变异个体的杂交概率和缩放因子,引入统计杂交概率,采用两种策略自适应地更新杂交概率。在13个经典测试函数上将ZJADE算法与多种经典自适应差分演化算法进行对比,实验结果表明,ZJADE算法在解的精度与收敛速度上更优,具有更好的搜索性能。 相似文献
9.
10.