量子粒子群优化算法在摄像机标定中的应用

摄像机标定是三维重构中最关键的一步,它的精度直接决定了三维重构结果的逼真程度。为了能够提高摄像机标定的精度,克服传统优化算法易陷入局部最小,反投影误差大等缺点,首次将量子粒子群优化算法(Quantum-Behaved Particle Swarm Optimization,QPSO)应用于摄像机标定中。该方法利用传统的线性方法求得初始值,利用QPSO对初始值进行优化。实验数据表明,基于QPSO的摄像机标定的平均反投影误差小于一个像素,是一种可行的方法,且与智能优化算法PSO相比,基于QPSO的摄像机标定具有更小的误差。

基于改进粒子群算法的Web服务组合

Web服务组合优化问题是典型的NP难题.将PSO算法用于连续性优化问题的相关研究较多,但将其应用于Web服务组合优化问题并不多见.文中提出一种改进的基于子粒子圆周轨道和零惯性权重的MDPSO算法,并将其应用到Web服务组合优化问题中,该算法使用基于三角函数的非线性动态学习因子及种群早熟收敛预测与处理方法控制粒子群的行为,在粒子的局部开拓能力和全局收敛能力之间达到良好的动态平衡.最后文中给出了MDPSO算法的实验及评价方法.这些概念和方法为PSO算法在Web服务组合问题上的应用研究提供了一种全新的思路.通过与传统的PSO算法做比较,验证了该算法在Web服务组合问题上效率更优.通过对实验数据的分析和解释得到了若干有益的结论,为进一步的研究工作奠定了基础.

纳米/微米粒子复合技术在火炸药中的应用(Ⅰ)

报道了利用纳米 /微米粒子复合技术制备纳米 /微米复合燃烧催化剂、氧化剂与可燃物复合粒子、催化剂与氧化剂复合粒子以及炸药复合粒子等过程中的子粒子与母粒子的粒子复合设计原理及实际应用中的理论与实际问题 ,为纳米及微米粒子在火炸药中的应用设计提供理论指导。

沉淀法合成ZnO纳米粒子热处理温度的研究

以Zn(NO3)2·6H2O、NaOH为原料,在乙醇–水混合溶液体系中,采用直接沉淀法合成了ZnO纳米粒子。并借XRD分析研究了该ZnO纳米粒子的晶粒度及晶格畸变等相关结构参量。XRD和SEM分析测试表明:当热处理温度高于100℃时,可以合成ZnO纳米粒子。热处理温度由100℃升至300℃,ZnO纳米粒子晶粒度将由35nm增大到约63nm,且纳米粒子形貌不随温度变化而变化。另外,随着ZnO纳米粒子晶粒度的增大,其晶格常数和晶格畸变量变小。

用子空间粒子群聚类算法识别Folksonomy标签冗余的研究

Web2.0标签系统中经常包含很多冗余的标签,标签冗余会增加用户选择喜好项目时的负担,从而影响用户建模和对推荐系统的评估。标签数据集通常存在着大量不相关或是冗余的特征,而不同簇之间的相关特征子集又是不一样的,所以应该从不同的特征子集中来发现簇。提出使用子空间粒子群聚类识别标签冗余,算法采用指数型变权类似K-means的目标函数,该函数对变量权值的改变更加敏感。在此基础上利用粒子群优化目标函数搜寻得到全局最优的标签聚类,提高抽取冗余标签的准确度。实验结果表明,此算法具有较强的全局搜索能力,应用于标签冗余识别获得了更好的精度。

基于故障邻接状态的配电网多故障抢修与优化策略

基于故障与配网的拓扑关系和抢修与恢复的动态交替特性,建立了基于故障邻接状态的配电网多故障抢修与优化模型,快速制定抢修策略。在故障抢修阶段,基于供电类型建立负荷节点带电状态矩阵,提取故障邻接负荷的带电状态建立故障邻接负荷带电状态矩阵,对其进行拓展得到故障邻接状态,并对故障进行分类。通过抢修与故障邻接状态的交替更新确定每阶段最优抢修任务。在重构计算中,建立自适应环压有序环矩阵作为算法的解空间,引入余弦递减函数和莱维飞行对量子粒子群算法进行改进,建立莱维系数量子粒子群算法进行求解。用PG&E69节点系统进行仿真,验证所提方法的可行性和所提算法的有效性。

二项式分布在种群平衡模型模拟粒度分布中的应用

提出了一种适用于几何网格的子粒子二项式分布函数,并应用于种群平衡模型模拟活性污泥絮凝后的粒度分布。结果表明:与二元分布相比,该二项式分布可以得到更准确的粒度分布和平均粒度模拟值;通过校核二项式分布参数C_p的取值,可以提高粒度分布和平均粒度的模拟精度。相比于二元分布或正态分布只能描述一种类型的子粒子分布,该二项式分布具有较强的适应性,调整参数C_p的取值,可以得到更多可能的子粒子分布;参数C_p还可以表征粒子的破碎方式——较小的C_p值表征粒子具有较强的稳定性,易破碎生成较大的子粒子;较大的C_p值表征粒子具有较弱的稳定性,易破碎生成较小的子粒子。

“粒子电子总数”的复习、总结与考查例析

以"粒子的电子总数"为"题眼"的推断题是近年来"理综"化学及历年高考化学中热点的试题之一.笔者在教学中对这个知识的复习采用下列策略,效果显著,现介绍给大家,供复习教学参考.一、"粒子的电子总数"

基于优化的量子门节点神经网络的煤与瓦斯突出预测

为了精准地预测煤与瓦斯突出风险等级,提出了一种基于子维进化的粒子群优化算法(sdPSO)和量子门节点神经网络(QGNN)的瓦斯突出风险等级预测模型sdPSO-QGNN.利用灰色关联分析(GRA)对突出影响因素进行降维处理,将筛选出的主控因素作为QGNN的输入,利用sdPSO对量子门节点神经网络参数进行优化,以提高量子门节点神经网络的全局与局部搜索能力,建立sdPSO-QGNN的瓦斯突出风险等级预测模型,实现对瓦斯突出风险的预测.实验结果表明,与BP(back propagation)神经网络、对称Alpha稳定分布的概率神经网络(SαS-PNN)、免疫粒子群算法优化的支持向量机(IPSO-SVM)、Memetic算法优化的极限学习机(Memetic-ELM)等预测模型相比,所提方法在提升模型泛化能力、提高预测精度方面效果显著.

^(248)Cf中K^(π)=2^(-)带的研究

本工作给出了对^(248)Cf中2^(-)带的理论分析。这条带在实验中被观测到自旋25h和激发能高于4 MeV,因此该原子核在相应组态下裂变位垒至少持续到此角动量和激发能。就顺排性质和衰变特征对实验2^(-)带背后的物理机制进行了探讨。二准中子,二准质子以及非轴对称八极形变(基于反射不对称壳模型)内禀结构的不同假设通过电磁跃迁性质进行评估。结果显示,实验2^(-)带的谱学特性在粒子-声子混合图像下能得到较好的解释:准粒子阻碍了向基带的跃迁,非轴对称八极声子增大了旋称伙伴带的能级劈裂,减弱了带间相互作用。该核低激发态展现的超导和正常相共存被尝试性地归因于中子152亚壳附近对相互作用的减弱。