排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
针对量子粒子群算法(QPSO)在迭代后期出现种群多样性缺失和容易陷入局部最优的问题,提出了一种基于交叉操作的改进算法;在改进算法中,考虑了粒子的历史最优位置和次优位置,用以扩大粒子的搜索范围;同时,将遗传算法的交叉操作运用到位置的更新中,以增加种群的多样性,进而提高算法的收敛性;在性能测试中,将改进算法与原始的量子粒子群算法、基于差分进化的QPSO和基于黑洞探索的QPSO在收敛精度和鲁棒性方面进行了比较;最后,运用改进算法对一类具有投资数量限制的投资组合问题进行了求解,并与遗传算法、粒子群算法和标准的量子粒子群算法的寻优结果进行了对比。 相似文献
2.
边界噪声的处理在图像去噪中占有重要位置,该文提出了一种图像边界噪声处理方法.该方法将边界噪声和内部噪声分开处理,降低了二者在处理过程中的相互影响.文中将粗集和矢量DDF(Directional Distance Filter)滤波相结合,首先对图像中除边界以外的内部噪声,以迭代的形式进行滤除.由于在内部像素滤除之前已对边界像素进行了检测,因此边界噪声不会作为内部滤波器的输入像素,有效地避免了边界噪声的传播.待内部噪声完全滤除后,再取特定的窗口对边界噪声进行滤除.因为粗集与矢量DDF滤波的结合在噪声滤除率、颜色保持、细节保护各方面都有优势,使得内部噪声像素去除效果比较好,不会影响到边界噪声的去除.仿真实验表明该方法能有效滤除边界噪声. 相似文献
1