【摘 要】
：
针对和声搜索算法在求解多目标问题时效率不高、易陷入局部最优、在算法后期收敛精度不够等不足。提出一种改进的多目标和声搜索算法,其思想是通过引入自适应操作,加强算法的全局搜索能力,增加解的多样性;同时对解集根据Pareto最优解进行非支配排序,提高算法效率,增加算法在后期的收敛精度。在数值仿真实验中选取4个测试函数进行实验,并同其他算法进行多方面比较,结果表明该算法具有更好的性能。
论文部分内容阅读
针对和声搜索算法在求解多目标问题时效率不高、易陷入局部最优、在算法后期收敛精度不够等不足。提出一种改进的多目标和声搜索算法,其思想是通过引入自适应操作,加强算法的全局搜索能力,增加解的多样性;同时对解集根据Pareto最优解进行非支配排序,提高算法效率,增加算法在后期的收敛精度。在数值仿真实验中选取4个测试函数进行实验,并同其他算法进行多方面比较,结果表明该算法具有更好的性能。
其他文献
为了能够提升视频技术下车辆检测的正确率,论文提出结合使用HOG特征与SIFT特征作为车辆检测的特征提取算法,再通过支持向量机(SVM)将样本数据划分为训练集与验证集,使用不同核函数进行训练和验证,确定最优核函数为高斯核函数。最后将训练的模型使用到视频文件进行车辆的预测。最终,实验数据表明,该方法提升了传统的HOG+SVM的样本检测效率,高斯核函数下检测率高达98.38%。处理视频文件时车辆检测效果
文章对卷积神经网络模型LeNet-5中的激活函数、下采样方式等进行改进,对训练参数进行调整,使改进后的模型手写数字识别准确率达到99.2%。使用PyTorch搭建模型,用MNIST数据集对模型进行训练,其后在自制数据集上进行测试,从识别准确率和训练速度等方面验证了模型的可靠性。借助TensorBoard监督整个网络模型的训练过程,指导对模型参数的优化调整。最后,将改进的网络模型服务于该校人工智能课
为了提高无线携能通信(SWIPT)系统的性能,构建了一个全新的基于缓存辅助的全双工中继协作系统模型,并在系统中考虑了空闲能量接入点(EAP)作为中继节点的额外能量补充。对于系统吞吐量最优化问题,提出一种基于功率分配协作的SWIPT中继选择策略。首先,基于通信服务质量与源节点发射功率等约束建立问题模型;其次,通过数学变换将原非线性混合整数规划问题转换为一对耦合优化问题;最后,利用KKT条件并借助拉格
在舌体图像分割过程中容易出现边缘细节的丢失,适用性差,算法运行速度慢等问题。论文针对上述问题提出一种改进的基于条件生成对抗网络的分割方法。首先,在生成器网络中使用可分离的卷积结构代替传统卷积结构。其次,为了提高分割效果,在生成器网络中加入残差结构增强网络对图像细节的获取能力。最后,使用形态学相关算法对分割后的舌体图像进一步处理优化。实验表明,相对于原始的条件生成对抗网络分割模型,论文所提算法的P值提升1.03%,R值提升1.51%,F值提升1.36%,并且耗时更短,分割效果显著优于传统分割方法,这为后续舌
针对SAMME算法对于不平衡数据集的分类效果不理想,对不同数据集的适应能力弱的缺陷,将其和极限学习机(ELM)结合并进行有针对性的改进,根据样本分布对训练样本的初始化权值进行重新分配,对训练过程中样本的权值和弱分类器的权值更新策略进行改进,给予弱分类器一个与其对少数类样本识别能力成正比的奖励项,增强了所得分类器对难分类样本的敏感性,使最终集成分类器性能有了显著提升。经过该集成算法与组成该算法的子算法的对比实验,论文方法取得了更优的G-mean以及F1值,验证了论文算法的有效性。其次,论文算法和其他分类算法
针对传统多帧湍流图像复原耗时长及观测帧序列空间不齐时需匹配的问题,论文提出一种基于关键帧间矩阵约束的多帧湍流图像盲复原算法。该算法首先对观测序列自适应提取关键帧,然后在频域内分别构造估计原始图像和点扩散函数的代价函数方程,利用关键帧间矩阵约束指导点扩散函数复原,通过各向同性总变分模型约束指导图像复原,采用变量分离和增广拉格朗日方法对代价函数交替迭代优化,以达到快速性估计点扩散函数和恢复图像。仿真实
在互联网环境下,许多消费者在购买商品之前都会参考网上的评论信息以及星级评价,比如五星好评。但是这些评论大多都是一些个人主观的评价,带有个人感情色彩,有的时候是片面的。如何从大量评论中找到有价值的信息成为研究的重点和难点。针对这一问题,文中提出有关在线评论有用性投票的分析方法。在实验中,利用论文的方法来提取评论集只出现一次低频关键词并对其进行排序。结果发现,所提取出的短语越有用,这条评论也就越有用,有用性投票数也就越高,可以更加客观、准确地反映该产品的实际情况,便于为消费者提供更好的消费决策。
新闻事件检测是自然语言处理任务中的一项任务。新闻事件检测旨在从新闻文本数据流中检测出新闻事件并给出事件主题。人工构建新闻事件的特征费时费力。传统的新闻事件检测方法是根据新闻事件之间的空间距离检测新闻事件,对于不同的新闻事件相似度较高时,容易误判为同一事件。针对上述问题,论文提出基于注意力机制的双向长短记忆网络构建新闻事件检测模型,通过深度学习学习新闻文本深层次的特征并且基于新闻事件检测模型构建新闻事件建模应用系统。实验表明论文方法在准确率、召回率优于传统方法,可对新闻事件准确识别。
论文针对户外道路下的无人驾驶卡车,提出了一种基于微机电系统惯性测量单元和激光雷达融合的姿态估计方法。论文的主要内容包括三个方面:1)基于扩展卡尔曼滤波器设计无加速度数学模型,克服惯性测量单元的纵向和横向测量漂移。2)从激光雷达一维点云分布建立多线扫描几何模型,分析路面障碍物(包括凸起障碍物和凹陷障碍物)的几何特征得到道路特征。3)结合激光雷达提供的道路特征,利用所提的无加速度模型,移除因户外不平整
推荐系统作为帮助用户快速获取有用信息的重要工具之一,得到了深入的研究和广泛的应用。为了更好地挖掘基于上下文信息的推荐场景中“用户-项目-上下文”三者之间的潜在关系,定位用户可能的兴趣点,进而提升推荐准确度和用户体验。通过分析目前已有的关于上下文情景数据处理技术的原理和特点,在时间复杂度或者时效性方面仍存在着不足之处,这也是目前融合上下文推荐算法的研究重点和难点之一。针对推荐的时间复杂度高这一方面,提出了融合因子分解技术的推荐算法(FM-CR)来提升基于上下文推荐的效果,包括用户接受率和时间复杂度。经过实验