一种求解图着色问题的改进粒子群算法

图着色问题是一个典型组合优化难题,文章尝试用改进的粒子群算法来解决此问题。为了增强粒子的搜索能力和提高粒子群算法的收敛速度,在传统的粒子群算法中引入了动态惯性权值递减的策略与记忆机制。实验表明,该算法在性能上明显优于传统的粒子群算法。     

基于单纯形法的量子粒子群优化算法

针对粒子群优化算法容易陷入局部极值点,进化后期收敛慢和优化精度较差等缺点,提出了将单纯形搜索法与量子粒子群算法混合的改进算法,更好的平衡了全局搜索和局部搜索能力.仿真结果表明,该算法效率高、优化性能好,其性能远远优于一般的粒子群算法与量子粒子群算法.     

粗糙集的模糊性度量与SVM的混合分类算法

采用信息熵的方法来度量粗糙集的模糊性可以在约简之前对粗糙的决策属性进行预处理,从而消除因决策属性的冗余而带来的分类决策的偏差。结合 SVM在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势。对该类别的方法进行了改进,并对分类的结果进行了测试。     

基于颜色特征的图像检索方法

为了提高图像数据库,特别是大型图像数据库查询的速度及准确度,文中提出了基于HSV颜色空间的两层数据库查询的方法.首先,利用简单有效的颜色矩对图像数据库筛选,缩小查询范围;然后,对图像进行4×4重叠分块,提取各分块的颜色直方图进行第二层图像数据库查询,以获取更准确的检索结果.这样分块的好处是既获得了图像的空间分布信息,又突出图像中间的主体部分和充分限制背景的范围,并且比起独立分块的方法减少了计算量.实验表明:根据用户给出的示例图像,通过两层查询技术能够获得较好的检索效果.