排序方式: 共有194条查询结果,搜索用时 15 毫秒
71.
一种动态惯性权重的粒子群优化算法 总被引:2,自引:0,他引:2
自粒子群优化算法被提出以来,由于其收敛速度快、易实现,得到了快速发展和广泛应用.在此提出了一种改进型的粒子群优化算法,主要特点是随进化代数的增加而动态非线性减小惯性权重,以此改善演化后期收敛速度迅速降低的问题.为了评价其性能,选取了5个基准函数进行测试,并与惯性权重线性递减的粒子群优化算法作了比较.数字仿真表明,改进算法能极大地提高搜索性能. 相似文献
72.
采用小波函数控制器、延迟反馈控制器、自适应控制器及对数函数控制器对初始分布为K-V分布的离子束进行束晕-混沌控制.发现强流离子束实现束晕-混沌控制所需要的时间与控制器的选择明显有关,自适应控制器和延迟反馈控制器实现控制较快,小波函数控制器和对数函数控制器实现控制较慢.因此,在可以选择的条件下,人们在应用时应尽量选择合适的控制器. 相似文献
73.
分别研究了中国围棋甲级联赛竞争体系年度网络和累积网络的拓扑结构.结果表明年度网络的拓扑结构主要由赛程安排和各参赛队的棋手分配策略决定,其非泊松的度分布表明各参赛队的棋手分配不是随机的;而全体累积网络的度分布可用一个指数函数来描述,累积网络的平均度和簇系数随时间不断增大,平均最短距离几乎不变. 相似文献
74.
四旋翼无人机自抗扰控制器所需的参数较多,传统PSO算法虽然可以对控制器的参数进行有效的整定,但需要的粒子群数量较大,寻优速度也比较慢。本文在传统PSO算法的基础上,根据自抗扰控制器的特点,将所需整定的参数分为两组,从两个空间里分别初始化各自的粒子群,并进行交叉寻优,形成一种双空间PSO算法,对四旋翼无人机自抗扰控制器进行优化。仿真结果表明,相比传统的PSO算法,双空间PSO算法所需粒子群数量少,寻优速度更快,而且经过双空间PSO算法优化后的自抗扰控制器具有更小的误差和更快的收敛速度。 相似文献
75.
本文针对一些传统图像串行加密算法安全性能低、加密时间长的缺陷,提出一种新型的图像并行加密算法。首先,将明文图像的初始信息设定为并行量化方案的输入信号,生成量化小数;然后设计基于混沌系统的混沌置乱和扩散矩阵,通过混淆与扩散结构对图像数据进行并行加密;最后通过Metal并行框架在iOS手持设备的GPU上进行了算法的验证与实现。测试结果表明该方案能够有效提高图像加密效率,且具有高度的明文敏感性,适合于图像数据的安全实时通信,也为通过GPU并行处理图像数据提供了新的方案。 相似文献
76.
本文综合电网拓扑结构和基于潮流追踪技术,提出一种关键节点识别方法。首先根据潮流运算,得到电力网络中节点之间的潮流流向,然后对电力网络进行潮流追踪运算,得到节点之间的链接强度,并以此建立电网的加权有向网络模型,定义加权有向网络中的出、入强度,根据节点强度和负荷权重定义节点的重要性评价指标。以IEEE39节点系统和IEEE14节点系统为测试案例,得到各系统中节点的重要性排序。按照排序结果对节点进行过负荷攻击,以系统在节点受到攻击后潮流熵的变化来验证节点重要度排序是否合理,研究表明本文提出的方法在电网关键节点识别中更加合理有效。 相似文献
77.
78.
《广西师范大学学报(自然科学版)》2021,39(3)
语音情感识别是实现自然人机交互的重要组成部分,传统语音情感识别系统主要集中于特征提取和模型构建。本文提出一种将深度神经网络直接应用于原始信号的语音情感识别方法。原始语音数据携带了语音信号的情感信息、二维空间信息和时序上下文信息。建立的模型以端到端的方式进行训练,网络自动学习原始语音信号的特征表示,无需手工特征提取步骤。该网络模型同时兼顾了CNN和BLSTM 2种神经网络的优点。利用CNN从原始语音数据中学习空间特征,其后添加一个BLSTM学习上下文特征。为了评估该模型的有效性,在IEMOCAP数据库上进行识别测试,获得的WA和UA分别为71.39%、61.06%。此外,与基线模型进行对比,验证了提出方法的有效性。 相似文献
79.
《广西师范大学学报(自然科学版)》2021,39(2)
N通道带阻滤波器的谐波混叠干扰是一个普遍存在的问题,因此对其抗混叠能力提出了更高要求。本文首先采用伴随网络方法,推导出输入电压到电容采样电压的传递函数,简化了谐波传递函数的计算过程。然后推导出N通道带阻滤波器的完整谐波传递函数,并采用电路仿真加以验证。在UMC110 CMOS工艺环境下,通过分析滤波器参数对谐波混叠的影响,得出适当增加通道数或增大电容值可有效抑制谐波混叠干扰的结论。仿真结果显示,当通道数为16、电容值为50 pF时,滤波器的最大谐波混叠能控制在-27 dB以下,具备良好抗混叠效果。同时提出一种N通道带阻滤波器与前置选频器件级联的设计方案以消除谐波混叠,前置器件截止频率应小于N-1倍的N通道滤波器中心频率。 相似文献
80.