基于解耦训练的脉冲星识别算法

为了解决脉冲星识别研究局限在常规分类算法的视野中而缺乏针对性的问题,文章针对脉冲星数据集的特点,挖掘其内在特征与其他研究领域的关联性,发现了脉冲星数据与长尾分布之间存在的联系,探求脉冲星数据与长尾分布的特征一致性,首次将脉冲星数据分布看作长尾分布的一种特例。并从长尾视觉识别视角中的优化训练策略角度出发,提出了一种基于解耦训练策略的脉冲星识别算法。算法采用解耦训练策略,在操作上简捷高效,具备更强的可移植性。经过数据集的验证,算法能有效改善决策边界,在HTRU_bands和HTRU_ints数据集的召回率相较于对比方法分别提升了11.8%和13%,是一种性价比较高的有效识别算法。

一种快速收敛的非参数粒子群优化算法及其收敛性分析

如何调整粒子群算法的参数引起了大量研究人员的关注.本文提出了一种快速收敛的非参数粒子群优化算法.为了平衡全局搜索和局部搜索,本文算法融合了基于exemplar的学习策略和多交叉操作.根据进一步的稳定性分析,粒子群收敛于搜索空间中的一个固定位置,同时粒子群的位置方差收敛于零点.本文收集了常用的24个准则函数,与7个类似的粒子群算法进行了比较.实验结果表明,本文搜索算法在大部分准则函数上的搜索性能均优于同类算法.同时本文算法在收敛速度上要远优于同类算法.