求解约束优化问题的一种新的进化算法

针对约束优化问题引入半可行域的概念,提出竞争选择的新规则,并改进了基于竞争选择和惩罚函数的进化算法的适应度函数;结合粒子群优化(PSO)算法本身的特点,设计了选择算子对半可行域进行操作,从而得到一个利用PSO算法求解约束优化问题的新的进化算法.实验证明了算法的有效性.

基于粒子群算法求解多目标优化问题

粒子群优化算法自提出以来 ,由于其容易理解、易于实现 ,所以发展很快 ,在很多领域得到了应用 通过对粒子群算法全局极值和个体极值选取方式的改进 ,提出了一种用于求解多目标优化问题的算法 ,实现了对多目标优化问题的非劣最优解集的搜索 。

基于粒子群优化算法的模糊C-均值聚类

利用粒子群优化(PSO)算法全局寻优、快速收敛的特点,结合模糊C-均值(FCM)算法提出一种新的模糊聚类算法.新算法用PSO算法代替了FCM算法的基于梯度下降的迭代过程,使算法具有很强的全局搜索能力,很大程度上避免了FCM算法易陷入局部极小的缺陷;同时也降低了FCM算法对初始值的敏感度.实验结果表明,与FCM相比本文算法聚类更为准确,效率更高.

基于极大极小距离密度的多目标微分进化算法

微分进化(differential evolution)是一种新的简单而有效的直接全局优化算法,并在许多领域得到了成功应用.提出了基于极大极小距离密度的多目标微分进化算法.新算法定义了极大极小距离密度,给出了基于极大极小距离密度的Pareto候选解集的维护方法,保证了非劣解集的多样性.并根据个体间的Pareto支配关系和极大极小距离密度改进了微分进化的选择操作,保证了算法的收敛性,实现了利用微分进化算法求解多目标优化问题.通过对5个ZDT测试函数、两个高维测试函数的实验及与其他多目标进化算法的对比和分析,验证了新算法的可行性和有效性.

求解多目标优化问题的一种多子群体进化算法

提出一种新的多目标粒子群优化(MOPSO)算法.根据多目标优化问题(MOP)的特点,将一个进化群体分成若干个子群体,利用非劣支配的概念构造全局最优区域,用以指导整个粒子群的进化.通过子群体间的信息交换,使整个群体分布更均匀,并且避免了局部最优,保证了解的多样性,通过很少的迭代次数便可得到分布均匀的Pareto有效解集.数值实验表明了该算法的有效性.

粒子群算法在求解优化问题中的应用

粒子群优化(PSO:ParticleSwarmOptimization)算法是一种新兴的优化技术,其思想来源于人工生命和进化计算理论。PSO算法通过粒子追随自己找到的最好解和整个群体的最好解完成优化。为了避免PSO算法在求解最优化问题时陷入在局部最优及提高PSO算法的收敛速度,提出了对PSO算法增加更新概率。对无约束和有约束最优化问题分别设计了基于PSO算法的不同的求解方法和测试函数,并对PSO算法求解多目标优化问题进行了研究。仿真实验表明了改进的PSO算法求解最优化问题时的有效性。

基于微分进化求解多目标优化问题中的退化现象

基于微分进化(DE)的多目标进化算法(MOEA)在求解过程中存在着退化现象,导致算法的收敛性无法保证,同时也降低了求解的效率。针对这一问题,分析了算法中存在的两种退化现象,提出了针对两种退化现象相应的解决办法,最后给出了一种新的基于DE的MOEA。新算法克服了已有算法中存在的退化现象,保证了算法的收敛性和解的多样性,有效地提高了算法的效率,通过数值实验验证了新算法的可行性和有效性。

基于粒子群的图像检索相关反馈算法

将粒子群优化算法的进化搜索过程与用户的反馈过程有效结合,提出了一种基于粒子群的图像检索相关反馈算法,避免了初始检索对用户认知的影响以及对反馈效果造成的局限性,并使得用户对检索目标的理解逐渐清晰,能够有效全面的搜索图片库,同时避免多次反馈造成的算法效率和检索效果之间的矛盾.通过实验验证了算法的有效性.

基于递阶遗传算法的模糊系统优化设计

给出一种基于递阶遗传算法的模糊神经网络优化算法,在该算法中对每个染色体都采用递阶编码,并提出一种改进的交叉算子,可以同时优化模糊神经网络结构和权值参数.算法中采用双目标函数作为适应度函数对模糊神经网络模型的精确度和复杂性进行估价,且对应一个实际问题,可以通过调整适应度函数的参数值确定所需模糊神经网络模型的精确度和复杂性之间的比例,从而生成一个适当的模糊神经网络模型.模拟实验结果验证了该算法的有效性.

海量人脸数据库的快速检索

针对海量人脸数据库检索时间长的问题,提出了基于L-K均值层次聚类算法。此算法把大型人脸数据库划分成一些子类数据集,对处于类边界的数据,采用冗余技术和预设阈值再重新分配到一些类中,从而使检索过程只在一个或几个子类中进行。实验结果表明,该算法能极大地缩小海量人脸库的检索范围,在保证一定准确率的前提下,有效地提高了检索速度。

一种优化模糊神经网络的多目标微粒群算法

模糊神经网络优化是一个多目标优化问题·通过对模糊神经网络和微粒群算法的深入分析,提出了一种多目标微粒群算法·在算法中将网络的精确性和复杂性分别作为目标进行优化,再用一种启发性分量加权均值法来选取个体极值和全局极值·算法能够引导粒子较快地向非劣最优解区域移动并最终获得多个非劣最优解,为模糊神经网络的精确性和复杂性的折中寻优问题提供了一种解决方法·茶味觉信号识别的仿真实验验证了该算法的有效性·

基于模糊的多目标粒子群优化算法及应用

粒子群优化算法的思想来源于人工生命和进化计算理论,由于其容易理解、易于实现,在很多领域得到了应用。由于传统的粒子群优化算法无法对多目标优化问题进行求解,因此文中利用模糊理论中的隶属度函数和给定的最优解评估选取原则,提出了一种适合求解约束型多目标优化问题的模糊粒子群算法(FPSO)。模糊粒子群算法很好地解决了汽车零部件可靠性稳健优化设计的求解问题,仿真结果证明,该算法可行而有效,同时也拓展了粒子群算法的应用领域。

多粒度颜色特征在图像检索中的应用(英文)

将商空间粒度计算理论引入到了图像检索领域,提出了一种新的图像检索方法。首先针对彩色图像在不同粒度下的表现得到不同粒度下的颜色特征,获得不同的商空间,然后根据商空间粒度合成原理对已得到的商空间进行合成,进而以合成后的属性函数来完成图像检索。与采用单一颜色特征的图像检索方法相比,采用多粒度颜色特征的图像检索方法能够在更大程度上利用图像自身所提供的信息,实验结果验证了该方法的可行性和有效性。

图像检索中基于粒子群优化的相关反馈算法

查询优化问题虽然整体的优化目标是明确的,但由于用户主观理解导致优化目标的细节会有一定的随机性,并且由于特征提取算法中语义鸿沟的存在,导致优化方向的不稳定,本文利用粒子群优化(particle swarm optimization,PSO)算法全局寻优、快速收敛的优点,针对查询优化中相关反馈(relevant feedback,RF)问题的特点,提出一种理想值监督下的粒子群优化-相关反馈(PSO-RF)算法,算法在理想值监督下指导粒子的运动方向,进而快速向理想解集靠拢.实验表明,该方法能够有效的提高检索性能,取得较好的检索结果.

基于梯度和颜色直方图相融合方法的人脸跟踪

利用长短轴比例固定为1.4的椭圆模型模拟人脸,并融合梯度模型和颜色直方图模型进行人脸跟踪,给出了梯度模型和颜色直方图匹配度计算方法。因为两种模型之间在考虑的点集和利用的信息上具有互补性,所以提高了系统的鲁棒性。带加速度的运动预测则有效地减小了检测区域,提高了系统的速度。为降低光照变化的影响,使用一种简单的自适应亮度补偿算法,在光照较弱的条件下对待测图像进行补偿,从而提高了系统的适应性和实用性。实验表明:该方法在复杂背景中甚至在较暗的光照条件下都能取得较好的效果,可以跟踪人脸任意方向的运动,速度可以达到20帧/s以上。

Folksonomy知识组织模式中领域知识动态演化规律研究

Folksonomy知识组织模式在众多的图书馆和文献数据库中被应用,其特有的演化发展规律也一直是图书情报学界关注的重点。文章借助复杂网络理论,基于标签之间的共现关系构建了领域知识网络。从领域知识网络的基本属性、中心性和群聚性三个方面,对领域知识的演化过程进行了动态跟踪与时序分析。研究结果显示,Folksonomy模式中领域知识网络逐渐向小世界网络演化;领域知识的中心性并非完全协同一致;领域知识的群聚性与标签关联关系相关。

基于DCT和SVD的图像检索算法

提出一种在子块分割和区域划分的基础上,利用离散余弦变换和奇异值分解对图像进行特征提取的检索算法.首先对图像进行子块分割,利用离散余弦变换提取重要系数作为子块颜色特征,进而对图像进行区域划分,将每个区域中的子块颜色特征分量组成矩阵进行奇异值分解,得到该区域的检索特征向量,从而完成图像检索.实验结果表明,该算法取得了较好的查全率和查准率,具有较好的检索效果.

基于形状和纹理特征的人脸年龄估计方法

采用活动形状模型ASM将人脸分成若干个三角形,然后使用局部二值模式LBP提取每个三角形区域的纹理特征,并通过支持向量回归对年龄进行估计。本文在著名的FG-NET年龄数据库上采用Leave-one-person-out(LOPO)模式进行实验,使用平均绝对误差和累积指数作为评价标准。实验结果表明,无论是年龄估计还是年龄段估计,本文提出的算法的平均绝对误差都小于AGES算法。同时在实验中也发现,嘴部区域的纹理对年龄估计的影响不大。

自相似特征彩色图像检索算法

针对传统的分形图像检索方法不能很好的体现图像的颜色自相似特征,且具有计算量大、速度慢的缺点,提出了适合彩色图像的自相似特征编码方法,将编码空间由灰度空间扩展到了彩色空间,充分体现了图像的颜色自相似特征.为了达到更好的检索效果,提出了对图像的自相似特征编码进行奇异值分解来构造特征向量的方法,并定义了相似度度量公式来支持图像检索.实验结果表明,本文提出的算法具有较好的可行性和有效性.

加权K近邻和加权投票相结合的虹膜识别算法

利用彩色虹膜数据库研究了在正常环境下采集到的有噪声的虹膜图像在不同色度空间中各颜色通道的性能,提出了一种决策层融合方法,利用加权K近邻方法和加权投票相结合进行虹膜识别.对于每个单独的颜色通道,根据比对距离找到前K个近邻,利用排序与相似度相结合的方法为这K个近邻赋权值(RSWKNN),作为各通道的决策输出.在综合各通道的决策时,利用各通道的性能,对各通道的决策输出进行加权投票,本文采用了四种基于通道性能的各通道加权方法.实验分析了各种算法的性能,结果表明:本方法能够有效提高虹膜识别的准确率和稳定性.