期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
求解离散优化问题的元胞量子狼群演化算法
被引量：
1
1
作者
马龙
卢才武
顾清华
《智能系统学报》
CSCD
北大核心
2018年第5期716-727,共12页
针对离散空间优化问题,提出了求解离散优化问题的元胞量子狼群演化算法,首先,为了提高算法的全局收敛速度,采用双策略量子位初始化方法和滑模交叉方法,分别生成量子狼群初始位置和产生头狼,实现种群多样性;其次,为了描述头狼与猎物间的...
针对离散空间优化问题,提出了求解离散优化问题的元胞量子狼群演化算法,首先,为了提高算法的全局收敛速度,采用双策略量子位初始化方法和滑模交叉方法,分别生成量子狼群初始位置和产生头狼,实现种群多样性;其次,为了描述头狼与猎物间的距离以及增强狼群的遍历范围,采用二进制编码方式和元胞自动机中的演化规则,分别实现狼群中个体狼与猎物距离的精确描述和量子旋转角的选取调整;然后,为了证明该算法的收敛性能,采用泛函分析方法,实现了算法全局收敛性能的验证;最后,通过6个标准测试函数的仿真实验,并与狼群算法以及量子狼群算法的优化结果进行比较。实验结果表明,该算法具有较快的收敛速度和较好的全局寻优能力。
展开更多
关键词
离散优化
量子狼群算法
元胞自动机
双策略方法
滑模交叉
二进制编码
泛函分析
狼群
算法
量子
旋转角
在线阅读
下载PDF
职称材料
基于量子狼群进化的多目标汇聚节点覆盖算法
被引量：
9
2
作者
金杉
金志刚
《电子与信息学报》
EI
CSCD
北大核心
2017年第5期1178-1184,共7页
在构建双层无线传感器网络中,汇聚层覆盖需要考虑无重复覆盖面积、汇聚节点连通性和能耗平衡这3个关键问题。该文将上述3个问题统筹为多目标优化难题(MOP),提出一种面向汇聚节点覆盖的量子狼群进化算法(QWPEA),选择出候选头狼(CLW)群体...
在构建双层无线传感器网络中,汇聚层覆盖需要考虑无重复覆盖面积、汇聚节点连通性和能耗平衡这3个关键问题。该文将上述3个问题统筹为多目标优化难题(MOP),提出一种面向汇聚节点覆盖的量子狼群进化算法(QWPEA),选择出候选头狼(CLW)群体,以滑模交叉、量子旋转门、非门变异等方法产生寻优高效的下一代量子编码人工狼。仿真结果表明,该文所提算法能够有效减少汇聚节点数,提高汇聚层结构稳定性,并平衡网络能耗,适于大范围,大规模传感器节点网络部署环境。在800 m×800 m面积部署传感器节点达到1000个时,汇聚有效覆盖率较MOPSO,NSGA-II算法分别高29.55%和25.93%,汇聚通信能耗率分别高15.27%和18.63%,汇聚占通率分别低14.01%和15.46%。
展开更多
关键词
无线传感器网络
量子
狼群
进化
算法
覆盖
多目标
汇聚节点
在线阅读
下载PDF
职称材料
基于双模态卷积神经网络自适应迁移学习的浮选工况识别
被引量：
10
3
作者
廖一鹏
杨洁洁
+1 位作者
王志刚
王卫星
《光子学报》
EI
CAS
CSCD
北大核心
2020年第10期167-178,共12页
为提高小规模训练集下CNN特征驱动的浮选工况识别效果,提出一种基于泡沫红外与可见光图像CNN特征提取及自适应迁移学习的工况识别方法.首先构建基于AlexNet的双模态CNN特征提取及识别模型,并通过RGB-D大规模数据集对模型的结构参数进行...
为提高小规模训练集下CNN特征驱动的浮选工况识别效果,提出一种基于泡沫红外与可见光图像CNN特征提取及自适应迁移学习的工况识别方法.首先构建基于AlexNet的双模态CNN特征提取及识别模型,并通过RGB-D大规模数据集对模型的结构参数进行预训练;其次,用多个串联的双隐层自编码极限学习机代替预训练模型的全连接层,实现对双模态CNN特征的融合及逐层抽象提取,然后通过核极限学习机映射到更高维空间进行决策;最后构建浮选小规模数据集对迁移后的模型进行训练,并改进量子狼群算法用于模型参数优化.实验结果表明:自适应迁移学习能够明显提高小样本数据集下的识别准确度,采用双模态CNN迁移学习较单模态CNN迁移学习的工况识别精度提高了3.06%,各工况的平均识别准确率达到96.83%,识别精度和稳定性较现有方法有较大提升.
展开更多
关键词
机器视觉
浮选工况识别
红外与可见光图像
卷积神经网络
迁移学习
双隐层自编码极限学习机
量子狼群算法
在线阅读
下载PDF
职称材料
题名
求解离散优化问题的元胞量子狼群演化算法
被引量：
1
1
作者
马龙
卢才武
顾清华
机构
西安建筑科技大学管理学院
出处
《智能系统学报》
CSCD
北大核心
2018年第5期716-727,共12页
基金
国家自然科学基金项目(51774228
51404182)
+1 种基金
陕西省自然科学基金项目(2017JM5043)
陕西省教育厅专项科研计划项目(17JK0425)
文摘
针对离散空间优化问题,提出了求解离散优化问题的元胞量子狼群演化算法,首先,为了提高算法的全局收敛速度,采用双策略量子位初始化方法和滑模交叉方法,分别生成量子狼群初始位置和产生头狼,实现种群多样性;其次,为了描述头狼与猎物间的距离以及增强狼群的遍历范围,采用二进制编码方式和元胞自动机中的演化规则,分别实现狼群中个体狼与猎物距离的精确描述和量子旋转角的选取调整;然后,为了证明该算法的收敛性能,采用泛函分析方法,实现了算法全局收敛性能的验证;最后,通过6个标准测试函数的仿真实验,并与狼群算法以及量子狼群算法的优化结果进行比较。实验结果表明,该算法具有较快的收敛速度和较好的全局寻优能力。
关键词
离散优化
量子狼群算法
元胞自动机
双策略方法
滑模交叉
二进制编码
泛函分析
狼群
算法
量子
旋转角
Keywords
discrete optimization
quantum-inspired wolf pack algorithm
cellular automata
double strategy method
sliding mode crossover
binary encoding
functional analysis
wolf pack algorithm
quantum rotation angle
分类号
TP301.6 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
基于量子狼群进化的多目标汇聚节点覆盖算法
被引量：
9
2
作者
金杉
金志刚
机构
天津大学电气自动化与信息工程学院
天津市公安消防局
出处
《电子与信息学报》
EI
CSCD
北大核心
2017年第5期1178-1184,共7页
基金
国家自然科学基金(61571318)
青海省科技项目(2015-ZJ-904)
海南省科技项目(ZDYF2016153)~~
文摘
在构建双层无线传感器网络中,汇聚层覆盖需要考虑无重复覆盖面积、汇聚节点连通性和能耗平衡这3个关键问题。该文将上述3个问题统筹为多目标优化难题(MOP),提出一种面向汇聚节点覆盖的量子狼群进化算法(QWPEA),选择出候选头狼(CLW)群体,以滑模交叉、量子旋转门、非门变异等方法产生寻优高效的下一代量子编码人工狼。仿真结果表明,该文所提算法能够有效减少汇聚节点数,提高汇聚层结构稳定性,并平衡网络能耗,适于大范围,大规模传感器节点网络部署环境。在800 m×800 m面积部署传感器节点达到1000个时,汇聚有效覆盖率较MOPSO,NSGA-II算法分别高29.55%和25.93%,汇聚通信能耗率分别高15.27%和18.63%,汇聚占通率分别低14.01%和15.46%。
关键词
无线传感器网络
量子
狼群
进化
算法
覆盖
多目标
汇聚节点
Keywords
Wireless sensor networks （WSNs）
Quantum Wolf Pack Evolutionary Algorithm （QWPEA）
Coverage
Multi-objective
Sink node
分类号
TP393 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于双模态卷积神经网络自适应迁移学习的浮选工况识别
被引量：
10
3
作者
廖一鹏
杨洁洁
王志刚
王卫星
机构
福州大学物理与信息工程学院
福建金东矿业股份有限公司
出处
《光子学报》
EI
CAS
CSCD
北大核心
2020年第10期167-178,共12页
基金
国家自然科学基金(Nos.61471124,61601126)
福建省自然科学基金(No.2019J01224)
福建省中青年教师教育科研项目(No.JT180056)。
文摘
为提高小规模训练集下CNN特征驱动的浮选工况识别效果,提出一种基于泡沫红外与可见光图像CNN特征提取及自适应迁移学习的工况识别方法.首先构建基于AlexNet的双模态CNN特征提取及识别模型,并通过RGB-D大规模数据集对模型的结构参数进行预训练;其次,用多个串联的双隐层自编码极限学习机代替预训练模型的全连接层,实现对双模态CNN特征的融合及逐层抽象提取,然后通过核极限学习机映射到更高维空间进行决策;最后构建浮选小规模数据集对迁移后的模型进行训练,并改进量子狼群算法用于模型参数优化.实验结果表明:自适应迁移学习能够明显提高小样本数据集下的识别准确度,采用双模态CNN迁移学习较单模态CNN迁移学习的工况识别精度提高了3.06%,各工况的平均识别准确率达到96.83%,识别精度和稳定性较现有方法有较大提升.
关键词
机器视觉
浮选工况识别
红外与可见光图像
卷积神经网络
迁移学习
双隐层自编码极限学习机
量子狼群算法
Keywords
Machine vision
Flotation performance recognition
Infrared and visible images
Convolutional neural network
Transfer learning
Double hidden layer automatic encoder extreme learning machine
Quantum wolf pack algorithm
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
求解离散优化问题的元胞量子狼群演化算法
马龙
卢才武
顾清华
《智能系统学报》
CSCD
北大核心
2018
1
在线阅读
下载PDF
职称材料
2
基于量子狼群进化的多目标汇聚节点覆盖算法
金杉
金志刚
《电子与信息学报》
EI
CSCD
北大核心
2017
9
在线阅读
下载PDF
职称材料
3
基于双模态卷积神经网络自适应迁移学习的浮选工况识别
廖一鹏
杨洁洁
王志刚
王卫星
《光子学报》
EI
CAS
CSCD
北大核心
2020
10
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
