用粒子群优化算法重构超二次曲面三维模型

基于粒子群优化算法的多聚焦图像融合
李爽;林立宇;陈荣元
【期刊名称】《光电工程》
【年(卷),期】2009(36)6
【摘要】现有融合方法的融合规则不能根据图像的后续使用目的进行自适应调整,不同融合方法的优点也不易综合,为解决这些缺点,提出一种基于粒子群优化算法的融合方法.该方法首先把利用DBSS(2,2)离散小波变换和梯度金字塔融合方法分别产生的图像一起作为初始粒子,然后根据后续处理的要求来构造由多个图像评价指标的加权和所组成的目标函数,再利用粒子群优化算法来优化目标函数从而获取最终的结果图像.两组实验从主观视觉和定量评价指标(标准方差、平均梯度、熵、空间频率,相关系数、均方交叉熵等)两方面证明了该方法的有效性.
【总页数】6页(P109-114)
【作者】李爽;林立宇;陈荣元
【作者单位】武汉大学,测绘遥感信息工程国家重点实验室,武汉,430079;武汉大学,测绘遥感信息工程国家重点实验室,武汉,430079;武汉大学,测绘遥感信息工程国家重点实验室,武汉,430079;湖南商学院,现代教育技术中心,长沙,410205
【正文语种】中文
【中图分类】TP391;TN91.73
【相关文献】
1.免疫粒子群优化算法在多聚焦图像融合中的应用 [J], 杨粤涛;曹峰;高伟林;张锋;
2.基于超像素级卷积神经网络的多聚焦图像融合算法 [J], 聂茜茜;肖斌;毕秀丽;李伟生
3.基于NSST和NLMF的多聚焦图像融合 [J], 吴剑;吴晓红;何小海;李林怡;卿粼波
4.基于NSST和NLMF的多聚焦图像融合 [J], 吴剑;吴晓红;何小海;李林怡;卿粼波
5.基于参数自适应PCNN和卷积稀疏的多聚焦图像融合 [J], 李致金;顾鹏;钱百青因版权原因，仅展示原文概要，查看原文内容请购买。

用粒子群优化算法重构超二次曲面三维模型
黄芳;樊晓平;罗熊
【期刊名称】《小型微型计算机系统》
【年(卷),期】2006(27)5
【摘要】针对在三维重构过程中用L-M(Levenberg-Marquardt)方法求解超二次曲面参数拟合问题的不足,提出了用粒子群优化算法来进行超二次曲面参数拟合的新方法.本文详细阐述了超二次曲面的三维表示特性,L-M算法拟合超二次曲面参数模型的分析,以及用粒子群优化算法拟合超二次曲面参数模型的原理、实现方法和实验结果.用粒子群优化算法对超二次曲面进行参数拟合,克服了L-M方法的缺陷,取了满意的效果.
【总页数】6页(P878-883)
【作者】黄芳;樊晓平;罗熊
【作者单位】中南大学,信息科学与工程学院,湖南,长沙,410083;中南大学,信息科学与工程学院,湖南,长沙,410083;中南大学,信息科学与工程学院,湖南,长沙,410083【正文语种】中文
【中图分类】TP391
【相关文献】
1.用协同演化并行PSO重构扩展的超二次曲面模型 [J], 黄芳;樊晓平;瞿志华
2.基于二次曲面和自组织系统的自由曲面重构研究 [J], 许斌;唐立新;师汉民
3.基于二次曲面的点云数据三维重构 [J], 李耀辉;武志峰;宣兆成;
4.基于二次曲面的点云数据三维重构 [J], 李耀辉;武志峰;宣兆成
5.适用于三坐标测量系统的二次曲面重构方法 [J], 刘忠途;龙舟;宗志坚
因版权原因，仅展示原文概要，查看原文内容请购买。

求解二次规划的粒子群优化算法
徐丛丛;刘文斌;李响
【期刊名称】《南京工程学院学报（自然科学版）》
【年(卷),期】2010(008)003
【摘要】粒子群是一种智能优化算法,通过群体中个体间的相互作用寻找复杂空间中的最优区域,二次规划是一类基本而又重要的非线性规划问题.本文讨论一种改进的粒子群算法求解二次规划问题,进行了数值试验,数值结果表明算法的有效性.【总页数】4页(P5-8)
【作者】徐丛丛;刘文斌;李响
【作者单位】南京中医药大学信息技术学院实验中心,江苏,南京210046;中国矿业大学理学院,江苏徐州221008;中国矿业大学理学院,江苏徐州221008
【正文语种】中文
【中图分类】TP301.6
【相关文献】
1.改进的和声搜索算法求解凸二次规划及线性规划 [J], 雍龙泉;贾伟;黎延海
2.基于光滑逼近函数的高阶牛顿法求解凸二次规划 [J], 雍龙泉;贾伟;黎延海
3.交替方向乘子法求解混合约束二次规划问题 [J], 刘琬纯;何洪津
4.Gauss回代交替方向法求解一类二次规划逆问题 [J], 李丽丹;张宏伟;张立卫
5.如何实现粒子群优化算法求解二次规划问题 [J], 王文举
因版权原因，仅展示原文概要，查看原文内容请购买。

计算机图形学中的粒子群优化算法研究计算机图形学是研究计算机生成、处理、分析和展示图像的领域，它涉及到计算机视觉、计算机图像处理、计算机图形学等多个方面。

粒子群优化算法(Particle Swarm Optimization,PSO)是一种基于群体智能的优化算法，它通过模拟鸟群或鱼群等生物个体之间的交互和协作，来求解优化问题。

PSO算法既可以用于数值优化问题，也可以用于计算机图形学领域的优化问题。

一、PSO算法的原理和实现1.1 PSO算法的原理PSO算法是一种模拟社会行为的优化算法，它模拟了鸟群或鱼群等生物群体在具有必要资源的空间中的搜索和移动过程。

PSO算法从随机初始化的粒子开始，在整个解空间内进行搜索，并动态地调整每个粒子的位置和速度，以找到最优解。

每个粒子代表一个解，在搜索过程中，粒子的位置表示当前解的位置，速度表示搜索方向和步长。

每个粒子都有自己的个体最优位置和全局最优位置，通过个体最优位置和全局最优位置的信息交换，来更新每个粒子的位置和速度。

1.2 PSO算法的实现PSO算法的实现需要确定以下参数：（1）粒子数（2）位置和速度的范围（3）加速度因子（4）惯性权重（5）迭代次数首先，随机初始化一组粒子位置和速度，然后计算每个粒子的适应度值，更新个体最优位置和全局最优位置。

接下来，按照给定的公式计算每个粒子的速度和位置，并再次计算粒子的适应度值，更新个体最优位置和全局最优位置，重复这个过程直到达到规定的迭代次数。

二、PSO算法在计算机图形学中的应用2.1 三维模型优化三维模型的优化是计算机图形学中重要的研究方向之一，其主要目的是提高渲染速度和图像质量。

优化过程中需要寻找最优的三角形片元排列方式和光照模型参数，而这些问题可以通过PSO算法来求解。

在PSO算法中，每个粒子表示一种排列方式或参数组合。

通过适应度函数的定义，可以评定每种方式或参数组合的优劣程度，并选择最优的方案。

2.2 图像分割图像分割是计算机图形学领域中的一个重要研究方向，它的主要目的是将图像分离成不同的区域并进行标记。

基于粒子群优化的NURBS曲线求交算法
饶道娟;刘晓峰;穆国旺
【期刊名称】《河北工业大学学报》
【年(卷),期】2014(043)003
【摘要】粒子群优化(PSO)是一种新的基于群体智能的全局搜索算法.将粒子群优化算法引入到NURBS曲线求交中,提出了基于PSO的NURBS曲线求交算法,将NURBS曲线求交问题转化为一个优化问题,通过PSO算法求解该优化问题,得到NURBS曲线求交的结果.通过实验验证了算法的可行性和有效性.算法易于计算机实现,计算精度高,非常适合于CAD/CAM中NURBS曲线的求交.
【总页数】5页(P87-91)
【作者】饶道娟;刘晓峰;穆国旺
【作者单位】河北工业大学理学院,天津300401;河北工业大学理学院,天津300401;河北工业大学理学院,天津300401
【正文语种】中文
【中图分类】TP391.72
【相关文献】
1.直线/NURBS曲线等基于曲线束的求交方法 [J], 陈小雕;徐岗;王毅刚;雍俊海
2.一种改进的基于微分方程的曲面求交跟踪算法 [J], 史永丰;程婷;张育浩;徐保文;林岗山
3.基于事务映射区间求交的高效频繁模式挖掘算法 [J], 吴磊;程良伦;王涛
4.基于仿射算术和区间运算的直线与NURBS曲线/曲面求交 [J], 池宝涛; 张见明;
鞠传明
5.基于多边形求交的船舶碰撞码头运动仿真算法 [J], 万柳梅;耿建宁;姚帅;荣凯;胡文妹
因版权原因，仅展示原文概要，查看原文内容请购买。

专利名称：一种基于粒子群优化的高光谱图像快速压缩感知重构方法
专利类型：发明专利
发明人：王丽,王威
申请号：CN201810838461.4
申请日：20180727
公开号：CN109087367A
公开日：
20181225
专利内容由知识产权出版社提供
摘要：本发明公开了一种基于粒子群优化的高光谱图像快速压缩感知重构方法，涉及图像压缩处理技术领域，本发明公开了一种基于粒子群优化的高光谱图像快速压缩感知重构方法，主要解决现有的正交匹配追踪重构算法计算复杂度高的问题，其技术关键是借助粒子群优化的思想，对正交匹配追踪算法的匹配过程进行优化，利用粒子表示冗余字典中的原子，依靠粒子群的快速搜索能力，找到能够对图像进行稀疏表示的最优原子，然后借助Hermitian求逆的思想，对正交匹配追踪重构算法的残差更新过程进行加速，实现了基于粒子群优化的高光谱图像快速压缩感知重构。

本发明方法能够在保持重构精度的条件下，提高计算效率。

申请人：西安航空学院
地址：710077 陕西省西安市西二环259号
国籍：CN
代理机构：西安铭泽知识产权代理事务所(普通合伙)
代理人：俞晓明
更多信息请下载全文后查看。

基于改进粒子群算法的深度学习超参数优化方法
基于改进粒子群算法的深度学习超参数优化方法
李玉娟
【期刊名称】《信息通信》
【年(卷),期】2020(000)001
【摘要】深度学习模型中,超参数的选择对分类效果有较大的影响.因此,为了提高超参数优化的效率,提出了一种改进粒子群优化算法对超参数进行优化.该算法对惯性因子采用非线性化的调整策略,并引入了停滞检测及对全局最佳粒子进行扰动的方法,进而改善算法的收敛性和优化性.实验结果表明,该改进算法具有较好的收敛和优化效果.
【总页数】3页(52-53,55)
【关键词】深度学习; 超参数; 粒子群优化算法
【作者】李玉娟
【作者单位】哈尔滨师范大学计算机科学与信息工程学院黑龙江哈尔滨150025
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于粒子群算法的支持向量机参数优化方法的研究[J], 陈前平; 徐斌
2.基于自适应均值粒子群算法的SVM参数优化方法 [J], 陈树; 张继中
3.基于相位补偿法和粒子群算法的PSS4B参数优化方法[J], 沈鑫; 马红升; 李仕林; 王昕; 刘清蝉
4.基于粒子群算法与图形处理器加速的支持向量机参数优化方法[J], 毛耀宗; 陈。

基于投影边缘的超二次曲面三维建模
汪君;黄芳;徐发牛
【期刊名称】《计算机系统应用》
【年(卷),期】2009(018)009
【摘要】针对在多物体场景中物体之间存在遮挡、重叠等情况下,用基于投影边缘的超二次曲面建模方法进行三维建模.详细阐述了投影边缘算法的思想、超二次曲面边缘的三维表示特性,以及基于投影边缘算法的基本原理和实现过程.通过模拟物体相互遮挡时采样数据部分缺失的情况,完成了对物体整体建模的实验.
【总页数】5页(P69-73)
【作者】汪君;黄芳;徐发牛
【作者单位】中南大学信息科学与工程学院,长沙,410083;中南大学信息科学与工程学院,长沙,410083;中南大学信息科学与工程学院,长沙,410083
【正文语种】中文
【中图分类】TP3
【相关文献】
1.基于二次曲面拟合的子像素边缘检测算法 [J], 巨志勇;王超男
2.基于投影特征识别的斜截切二次曲面重建算法 [J], 文雅玫;龚洁晖;张慧
3.基于(μ+λ)演化策略的超二次曲面三维建模与分割 [J], 黄芳;樊晓平;杨胜跃;瞿志华
4.基于超二次曲面模型的超声阵列成像算法 [J], 季宁; 杨涛; 李西红
5.基于边缘像元投影的微小轴承亚像素边缘检测 [J], 徐平;常英杰;薛凌云
因版权原因，仅展示原文概要，查看原文内容请购买。

基于改进粒子群的双层规划求解算法
赵志刚;王伟倩;黄树运
【期刊名称】《计算机科学》
【年(卷),期】2013(040)0z2
【摘要】提出一种采用粒子群优化算法求解双层规划模型的算法.首先时粒子群优化算法作了改进,然后用改进后的算法求解双层规划模型,通过两个粒子群优化算法之间的协同迭代,同步优化双层规划的上下层,最终求得双层规划模型的最优解.此算法将求解一般双层规划l问题转化为通过两个粒子群优化算法的交互迭代来求解上下两层规划问题.通过对几种典型函数的测试,验证了此算法的有效性.
【总页数】5页(P115-119)
【作者】赵志刚;王伟倩;黄树运
【作者单位】广西大学计算机与电子信息学院南宁530004;广西大学计算机与电子信息学院南宁530004;广西大学计算机与电子信息学院南宁530004
【正文语种】中文
【中图分类】TP18
【相关文献】
1.第三方物流选择的双层规划模型及其求解算法 [J], 钟宇亮;刘诚
2.基于双层规划的虚拟物流企业联盟伙伴选择模型及求解算法 [J], 沈立新;陈燕;孙兆刚
3.线性双层规划的改进PCP全局求解算法 [J], 杨静蕾;罗梅丰;袁帅石
4.O-D需求估计的双层规划模型及基于灵敏度分析的求解算法 [J], 安梅;高自友;
杨璐
5.基于弹性需求的连续平衡网络设计问题的双层规划模型及其求解算法 [J], 宋一凡;高自友
因版权原因，仅展示原文概要，查看原文内容请购买。

基于混沌粒子群优化的新型VRP求解算法于胜龙;薄煜明;陈志敏;吴盘龙;朱凯;尹明锋【期刊名称】《计算机工程与科学》【年(卷),期】2012(34)12【摘要】标准粒子群优化算法(PSO)容易陷入局部最优,且精度较低、收敛速度慢,难以满足求解VRP的需求.本文提出了一种适用于求解VRP模型的新型混沌粒子群优化算法(CPSO).该算法引入混沌序列,利用混沌对粒子的初始位置进行初始化,提高了样本的质量,并且对当前粒子附加混沌扰动,促使其跳出局部最优,提高了全局搜索能力,有利于在全局范围内寻找到最优值.实验结果表明,本文算法的收敛速度、精度及稳定性高于PSO算法,是一种有效的VRP求解算法.%Since the particle swarm optimization algorithm (PSO) is easily trapping in local optimum, has low precision and slow convergence rate, thus it is difficult to satisfy the requirement of the VRP solution. To solve these problems,a novel algorithm based on chaos particle swarm (CPSO) is proposed in this paper. This algorithm introduces chaos sequence and initializes the initial position of particles by u-sing chaos. Accordingly,the sample quality is improved,and the chaos perturbation of the current particles conduces to avoiding local optimization,as a result of which the global searching ability is improved and it is advantageous for seeking the optimal value within the global scope. The experimental results indicate that the algorithm in this paper has better convergence speed,precision and reliability than PSO and it is an effective algorithm for VRP solutions.【总页数】5页(P164-168)【作者】于胜龙;薄煜明;陈志敏;吴盘龙;朱凯;尹明锋【作者单位】南京理工大学自动化学院,江苏南京210094;南京理工大学自动化学院,江苏南京210094;南京理工大学自动化学院,江苏南京210094;南京理工大学自动化学院,江苏南京210094;南京理工大学自动化学院,江苏南京210094;南京理工大学自动化学院,江苏南京210094【正文语种】中文【中图分类】TP301.61【相关文献】1.列车调度问题模型与基于混合粒子群优化的求解算法 [J], 张其亮;陈永生2.基于量子混沌粒子群优化算法的分数阶超混沌系统参数估计 [J], 闫涛;刘凤娴;陈斌3.基于量子粒子群优化算法的新型正交基神经网络分数阶混沌时间序列单步预测[J], 李瑞国;张宏立;王雅4.基于混沌思想的可多步搜索的新型粒子群优化算法 [J], 林博艺5.基于改进粒子群优化的弹道并行求解算法 [J], 邓方;崔静;方浩;李凤梅;郭素因版权原因，仅展示原文概要，查看原文内容请购买。