基于强化学习的相关反馈图像检索算法

相关反馈算法是图像检索不可缺的重要组成部分,是近来图像检索中研究的一个热点。提出了基于强化学习的相关反馈算法。根据强化学习中的Q_学习函数,建立矩阵Q,对每幅图像建立对应的一项Q(ii=1,2,…,n),记录每幅图像的本次检索中的累计反馈值,并根据加权特征法计算新的特征,对于每幅反馈的图像根据Q_学习函数计算其当前的累计反馈值。Q值越大即越与例子图像相关。由于强化学习是通过不断对环境的反馈来获得最佳的路径,这与相关反馈通过对用户检索意图的摸索来获得最优答案的思想一致。实验表明,提出的相关反馈算法具有更大的优越性。

基于车辆诱导的交通灯动态配时算法研究

随着城市交通流量日益增加,现有的交通灯固定时间控制系统不能很好解决交通拥堵问题。针对这一背景,采用基于Q_学习的交通灯控制策略(QTGCS)对交通灯进行动态配时,以减少车辆在交叉口的平均等待时间,通过模糊逻辑控制根据车辆诱导信息对Q_学习的动作选择进行优化(FQTGCS),以提高Q_学习算法的收敛速度。实验结果表明,所采用的交通灯控制策略可以很好地解决交通拥堵问题,能更好地提高交通系统的性能。