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
求解多目标社区发现问题的离散化随机漂移粒子群优化算法
被引量：
2
1
作者
李萍
汪芬
+1 位作者
陈祺东
孙俊
《计算机应用》
CSCD
北大核心
2021年第3期803-811,共9页
针对求解复杂网络的多目标社区发现问题,提出了一种离散化随机漂移粒子群优化(DRDPSO)算法。首先,通过对社区进行随机化编码操作和针对随机漂移算法的离散化操作,来改善局部网络结构并逐渐增强全局模块度值;其次,根据核K均值(KKM)和比例...
针对求解复杂网络的多目标社区发现问题,提出了一种离散化随机漂移粒子群优化(DRDPSO)算法。首先,通过对社区进行随机化编码操作和针对随机漂移算法的离散化操作,来改善局部网络结构并逐渐增强全局模块度值;其次,根据核K均值(KKM)和比例割(RC)两个目标函数来控制网络中的社区规模、缓解模块度分辨率限制;最后,根据多目标求解策略逐步更新Pareto非劣解集,从Pareto非劣解集选取满足需求的目标社区结构。为了验证所提算法的有效性,将DRDPSO算法与其他社区发现算法在三种具有10个不同参数设置的生成网络及三种真实网络上进行对比实验,并采用两个最佳社区评价指标对各算法获得的社区发现结果进行对比分析。实验结果表明,使用DRDPSO算法求解复杂网络的多目标社区发现问题时,获得的社区发现评价指标(归一化互信息和模块度)最高的概率达到95%以上。可见DRDPSO算法在真实网络进行应用能进一步地提高网络社区划分的精确度和鲁棒性。
展开更多
关键词
社区发现
多目标复杂网络
离散化
随机漂移粒子群优化
模块度
Pareto非劣解集
在线阅读
下载PDF
职称材料
基于随机漂移粒子群优化算法的三维脑部磁共振图像分割
2
作者
施佳佳
孙俊
+1 位作者
范方云
王梦梅
《江南大学学报（自然科学版）》
CAS
2015年第4期403-407,共5页
设计并验证了一种应用于马尔科夫随机场的脑部磁共振图像的分类模型。该模型是基于随机漂移粒子群优化算法。它相对于标准粒子群算法在收敛速度和优化性能方面都有显著提升。针对模拟和临床脑部磁共振图像的实验结果表明,该模型与模拟...
设计并验证了一种应用于马尔科夫随机场的脑部磁共振图像的分类模型。该模型是基于随机漂移粒子群优化算法。它相对于标准粒子群算法在收敛速度和优化性能方面都有显著提升。针对模拟和临床脑部磁共振图像的实验结果表明,该模型与模拟退火、标准粒子群算法相比,具有更好的收敛性能和分割精度,是一种有效的图像分类模型。
展开更多
关键词
马尔科夫
随机
场
磁共振图像分割
随机漂移粒子群优化
算法
分类
在线阅读
下载PDF
职称材料
基于随机漂移粒子群算法的WSNs节点定位
被引量：
1
3
作者
赵吉
纪志成
《传感器与微系统》
CSCD
北大核心
2014年第10期141-143,147,共4页
提出了随机漂移粒子群优化(RDPSO)算法,并将该算法应用于接收信号强度指示(RSSI)定位算法中,以降低由RSSI测距产生的定位误差。在仿真实验中,分别比较了基于RDPSO和PSO的RSSI定位算法。实验结果表明:RDPSO算法是在优化性能上优于PSO算法...
提出了随机漂移粒子群优化(RDPSO)算法,并将该算法应用于接收信号强度指示(RSSI)定位算法中,以降低由RSSI测距产生的定位误差。在仿真实验中,分别比较了基于RDPSO和PSO的RSSI定位算法。实验结果表明:RDPSO算法是在优化性能上优于PSO算法,有效提高了节点定位精度,证明该方法收敛速度快,稳定性能好,精度高,适用于WSNs节点定位问题。
展开更多
关键词
随机漂移粒子群优化
算法
定位
无线传感器网络
接收信号强度指示
在线阅读
下载PDF
职称材料
题名
求解多目标社区发现问题的离散化随机漂移粒子群优化算法
被引量：
2
1
作者
李萍
汪芬
陈祺东
孙俊
机构
人工智能与模式识别国际联合实验室(江南大学)
无锡职业技术学院物联网技术学院
出处
《计算机应用》
CSCD
北大核心
2021年第3期803-811,共9页
基金
国家自然科学基金资助项目(61672263)
江苏省“青蓝工程”优秀教学团队项目(苏教师函[2020]10号)。
文摘
针对求解复杂网络的多目标社区发现问题,提出了一种离散化随机漂移粒子群优化(DRDPSO)算法。首先,通过对社区进行随机化编码操作和针对随机漂移算法的离散化操作,来改善局部网络结构并逐渐增强全局模块度值;其次,根据核K均值(KKM)和比例割(RC)两个目标函数来控制网络中的社区规模、缓解模块度分辨率限制;最后,根据多目标求解策略逐步更新Pareto非劣解集,从Pareto非劣解集选取满足需求的目标社区结构。为了验证所提算法的有效性,将DRDPSO算法与其他社区发现算法在三种具有10个不同参数设置的生成网络及三种真实网络上进行对比实验,并采用两个最佳社区评价指标对各算法获得的社区发现结果进行对比分析。实验结果表明,使用DRDPSO算法求解复杂网络的多目标社区发现问题时,获得的社区发现评价指标(归一化互信息和模块度)最高的概率达到95%以上。可见DRDPSO算法在真实网络进行应用能进一步地提高网络社区划分的精确度和鲁棒性。
关键词
社区发现
多目标复杂网络
离散化
随机漂移粒子群优化
模块度
Pareto非劣解集
Keywords
community detection
multi-objective complex network
discretization
Random Drift Particle Swam Optimization(RDPSO)
modularity
Pareto non-inferior solution set
分类号
TP301.6 [自动化与计算机技术—计算机系统结构]
TP18 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
基于随机漂移粒子群优化算法的三维脑部磁共振图像分割
2
作者
施佳佳
孙俊
范方云
王梦梅
机构
江南大学物联网工程学院
出处
《江南大学学报（自然科学版）》
CAS
2015年第4期403-407,共5页
基金
国家自然科学基金项目(61170119)
文摘
设计并验证了一种应用于马尔科夫随机场的脑部磁共振图像的分类模型。该模型是基于随机漂移粒子群优化算法。它相对于标准粒子群算法在收敛速度和优化性能方面都有显著提升。针对模拟和临床脑部磁共振图像的实验结果表明,该模型与模拟退火、标准粒子群算法相比,具有更好的收敛性能和分割精度,是一种有效的图像分类模型。
关键词
马尔科夫
随机
场
磁共振图像分割
随机漂移粒子群优化
算法
分类
Keywords
MRF,magnetic resonance image segmentation,RDPSO,classification
分类号
TP391.41 [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
基于随机漂移粒子群算法的WSNs节点定位
被引量：
1
3
作者
赵吉
纪志成
机构
江南大学电气自动化研究所
无锡城市职业技术学院电子信息工程系
出处
《传感器与微系统》
CSCD
北大核心
2014年第10期141-143,147,共4页
基金
国家自然科学基金资助项目(61300149)
江苏省博士后基金资助项目(1101124C)
+1 种基金
2012年江苏省高校青蓝工程资助项目
江苏省青蓝工程资助项目(2012-16)
文摘
提出了随机漂移粒子群优化(RDPSO)算法,并将该算法应用于接收信号强度指示(RSSI)定位算法中,以降低由RSSI测距产生的定位误差。在仿真实验中,分别比较了基于RDPSO和PSO的RSSI定位算法。实验结果表明:RDPSO算法是在优化性能上优于PSO算法,有效提高了节点定位精度,证明该方法收敛速度快,稳定性能好,精度高,适用于WSNs节点定位问题。
关键词
随机漂移粒子群优化
算法
定位
无线传感器网络
接收信号强度指示
Keywords
random drift particle swarm optimization（RDPSO） algorithm
localization
wireless sensor networks （WSNs）
RSSI
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
作者
出处
发文年
被引量
操作
1
求解多目标社区发现问题的离散化随机漂移粒子群优化算法
李萍
汪芬
陈祺东
孙俊
《计算机应用》
CSCD
北大核心
2021
2
在线阅读
下载PDF
职称材料
2
基于随机漂移粒子群优化算法的三维脑部磁共振图像分割
施佳佳
孙俊
范方云
王梦梅
《江南大学学报（自然科学版）》
CAS
2015
0
在线阅读
下载PDF
职称材料
3
基于随机漂移粒子群算法的WSNs节点定位
赵吉
纪志成
《传感器与微系统》
CSCD
北大核心
2014
1
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
