基于粒距和动态区间的粒子群权值调整策略

来源 :计算机应用 | 被引量 : 1次 | 上传用户:yecao126128
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
由于标准粒子群优化(PSO)算法把惯性权值作为全局参数,因此很难适应复杂的非线性优化过程。针对这一问题,提出了一种基于粒距和动态区间的权值调整策略(PSSIW),根据粒子的粒距大小在动态区间内选取不同的权值,并通过区间的动态变化来控制算法的收敛速度。设计了四种不同的动态区间,并采用三个常用的标准测试函数测试不同区间对算法性能的影响。通过与标准粒子群算法比较发现,该策略提高了算法摆脱局部极值的能力,是一种新型全局收敛粒子群算法。
其他文献
野外实习内容自主设计是实践教学模式的创新,有利于高校向社会输送高质量的人才.在坚持区域的、综合设计、总体设计指导局部设计的原则下,实现对野外综合实习自主设计.地学野
提出了一种用于无线视频监控中心多路视频流调度的通用模型,以实现对多个场景的实时监控。该模型主要包括:远程监控设备的授权管理策略、视频流对象的工作模型、基于连接管理线程的多路视频流调度及抖动缓存自适应累积策略。目前,该模型已经应用于现场视频无线动态传输系统,取得了良好的应用效果。
结合旧水泥混凝土路面加铺SMA沥青罩面的工程实践,阐述了玻纤格栅的特性、防治反射裂缝的作用机理、施工方法及注意事项等。
运动摄像机情况下的运动目标检测是视频监控中的难点和热点问题。为了能够有效地检测出运动目标,根据视频中背景与运动目标的速度不同这一特点,提出了一个基于尺寸不变特征变换(SIFT)和K-均值聚类的运动目标检测方法。首先提取视频中相邻两帧图像的SIFT特征点并进行匹配,并计算匹配特征点的运动速度,最后将运动目标和背景上的SIFT特征点K-均值聚类分析,在单运动目标、多运动目标和带有摄像头旋转情况下做了实