基于改进粒子群和自适应滤波的快速模糊聚类图像分割

为改进传统模糊C均值聚类(FCM)算法对初始聚类中心敏感、易陷入局部收敛、抗噪性差、计算量大的问题,提出一种新的基于改进粒子群算法的快速模糊聚类图像分割方法(PSOFFCM);方法首先利用自适应中值滤波对图像进行滤波处理,增强算法的鲁棒性;然后,将图像像素灰度值映射到二维直方图特征空间,作为聚类样本,优化FCM的目标函数,减少图像分割的计算量;最后,利用PSO算法代替FCM的梯度迭代过程,减弱了算法对初始聚类中心的依赖,同时增强全局搜索能力;实验结果表明,该方法不仅克服了FCM算法对初始聚类中心的依赖,而且抗噪能力强,收敛速度快,分割精度明显优于传统FCM。     

基于改进粒子群算法的LED光源阵列优化

为了提高发光二极管（light emitting diode,LED）光源阵列的光照均匀度,提出一种改进粒子群算法和新型等差LED阵列排布方式。根据光照分布模型建立了照射面的光照均匀度评价函数,使用改进的粒子群算法对新型等差LED阵列、矩形及圆形阵列进行优化。将优化后的LED阵列数据导入光学软件TracePro中进行仿真验证,得到优化后等差、矩形及圆形LED阵列的光照均匀度分别为82.89%、73.31%及78.56%,比优化前LED阵列的光照均匀度分别提高了15.84%、10.65%及15.57%。研究结果表明,改进后的粒子群算法收敛速度更快、精度更高,且提出的新型等差LED阵列有着更好的光照均匀度。     

基于改进粒子群优化算法的火电厂机组负荷分配

以坑口电厂SIS系统机组负荷优化分配功能模块为应用背景,针对基本粒子群优化算法易陷入局部收敛、收敛速度慢的缺点,提出一种基于惯性权重非线性减小策略的改进粒子群优化算法。并且通过MATLAB与Visual C++混合编程,开发了机组负荷在线优化分配功能模块,提高了算法的计算效率和工程应用价值。     

基于粒子群算法的半导体激光器温度控制优化

半导体激光器输出波长随温度变化而变化,为了使半导体激光器稳定工作,要保持它的温度稳定,而温度PID控制效果与其比例、积分和微分三个参数密切相关,采用粒子群算法对半导体激光器温度PID控制系统参数进行优化,选取控制误差绝对值时间积分函数（ITAE）作为适宜度函数,并与Ziegler—Nichols算法整定参数进行比较。仿真结果表明,这种优化算法加快了收敛速度,实验中调节时间由150S降到50S,超调量由18％降到4％,有效改善了系统的动态性能。     

基于混沌粒子群优化算法的异结构混沌反同步自抗扰控制

针对一类连续时间异结构混沌系统, 利用自抗扰控制很强的鲁棒性, 提出了一种异结构混沌系统反同步的自抗扰控制策略.针对所设计的自抗扰控制器参数较多, 难以整定的问题, 提出了应用混沌粒子群优化算法对控制器进行参数寻优设计. 以Lorenz系统和Chua系统两个异结构混沌系统为例进行仿真验证, 由仿真结果可知, 该方法可以实现异结构混沌系统较快的反同步控制, 且具有很强的抗干扰能力. 关键词： 异结构混沌系统反同步 自抗扰控制器 混沌粒子群优化算法 参数寻优     

基于量子粒子群算法的自适应随机共振方法研究

为提升随机共振理论在微弱信号检测领域中的实用性,以随机共振系统参数为研究对象,提出了基于量子粒子群算法的自适应随机共振方法.首先将自适应随机共振问题转化为多参数并行寻优问题,然后分别在Langevin系统和Duffing振子系统下进行仿真实验.在Langevin系统中,将量子粒子群算法和描点法进行了寻优结果对比;在Duffing振子系统中,Duffing振子系统的寻优结果则直接与Langevin系统的寻优结果进行了对比.实验结果表明:在寻优结果和寻优效率上,基于量子粒子群算法的自适应随机共振方法要明显高于描点法;在相同条件下,Duffing振子系统的寻优结果要优于Langevin系统的寻优结果;在两种系统下,输入信号信噪比越低就越能体现出量子粒子群算法的优越性.最后还对随机共振系统参数的寻优结果进行了规律性总结.     

一种改进的基于层次聚类的说话人自动聚类算法

说话人聚类是语音识别以及音频检索等众多语音应用的重要组成部分.提出一种改进的基于层次聚类的说话人聚类算法,对层次聚类法做出了进一步改进:(1)改进误差平方和准则以提高聚类速度;(2)引入假设检验方法确定类别数目;(3)提出一种稳健的在线聚类方法以解决对新到来的语音段进行聚类的问题.在聚类实验中,算法的平均类纯度和说话人纯度分别为96.7%和96.6%.实验结果还表明,相比手工标注说话人信息,将该算法的聚类结果应用于说话人自适应可降低系统的误识率.     

基于改进粒子群优化算法的混沌系统参数估计方法

估计混沌系统的未知参数是混沌控制与同步中必须解决的关键问题.利用群集智能的新进展粒子群优化算法(PSO)的全局搜索能力，从初始粒子群的产生、目标函数的处理的角度改进PSO，将改进的PSO引入混沌系统参数估计和在线估计.仿真试验表明，改进算法具有良好的适应性、较高的收敛可靠性及精度，对信号叠加噪声的情形也具有较高的鲁棒性，是混沌系统参数估计的一种成功算法. 关键词： 混沌系统 参数估计 在线估计 粒子群优化算法     

基于多种群量子粒子群聚类的模拟电路故障诊断算法设计

为了提高传统模拟电路故障诊断算法的故障诊断精确度和故障诊断效率,设计了一种基于多种群量子粒子群聚类的模拟电路故障诊断算法。首先,采用多种群量子粒子群算法实现特征参数优化,将最优粒子中的非0维度作为选择的最优特征属性,得到最优特征选择集,然后采用马氏距离作为数据样本相似度的度量方式,设计了基于马氏距离的聚类方法实现对模拟电路的故障进行有效诊断,该诊断方法能在线样本不断增加的情况,自适应地增加聚类的个数即故障诊断的类别数,且无需训练参数。仿真实验表明,文中方法能有效实现模拟电路的故障诊断,尤其是能满足在线故障诊断需求,与其它方法相比,具有故障诊断精度和效率高的优点。     

基于动态粒子群优化的目标跟踪算法

目标跟踪问题的关键在于如何寻找与目标运动状态匹配的运动模型。交互式多模型算法的模型集是根据先验信息确定的,它不随时间变化而变化,并且要求在模型集中任意时刻都存在描述目标运动模型。在实际中需要大量模型来描述运动。将粒子群优化和变结构多模型算法相结合,不仅能充分利用系统的实时量测信息,还能根据其先验信息调节优化算法结构。仿真表明,运用动态自适应粒子群优化算法实现模型集自适应,可以提高目标跟踪的精度和实时性。     

Continuous spatial public goods game with self and peer punishment based on particle swarm optimization

How cooperative behavior emerges and evolves in human society remains a puzzle. It has been observed that the sense of guilt rooted from free-riding and the sense of justice for punishing the free-riders are prevalent in the real world. Inspired by this observation, two punishment mechanisms have been introduced in the spatial public goods game which are called self-punishment and peer punishment respectively in this paper. In each situation, we have introduced a corresponding parameter to describe the level of individual tolerance or social tolerance. For each individual, whether to punish others or whether it will be punished by others depends on the corresponding tolerance parameter. We focus on the effects of the two kinds of tolerance parameters on the cooperation of the population. The particle swarm optimization (PSO)-based learning rule is used to describe the strategy updating process of individuals. We consider both of the memory and the imitation in our model. Via simulation experiments, we find that both of the two punishment mechanisms could facilitate the promotion of cooperation to a large extent. For the self-punishment and for most parameters in the peer punishment, the smaller the tolerance parameter, the more conducive it is to promote cooperation. These results can help us to better understand the prevailing phenomenon of cooperation in the real world.     

基于粒子群算法的多阈值图像分割方法

在对粒子群优化算法的基本原理和方法进行简要概述的基础上,提出了一种基于粒子群的多阈值图像分割算法。算法采用信息熵构建优化目标函数,提出了新的粒子更新准测,并以此对图像进行了多阈值优化搜索。实验表明,该算法不仅能对图像进行正确的分割,而且还具有稳定性高,易于实现,速度快等特点。     

改进的粒子群优化目标跟踪方法

针对粒子群优化算法应用在目标跟踪时,其惯性权重调节机制的局限性,提出了改进的粒子群优化目标跟踪方法。首先,对目标及粒子群算法中相应参数进行初始化;接着,引入粒子进化率的概念,对惯性权重调节机制进行改进,根据每代每个粒子的不同状态及时调整惯性权重;然后,在更新粒子的速度和位置的同时,更新个体最优解和全局最优解,进行下一次迭代;最后,比较粒子的适应度,选择相似性函数值最大的区域为目标。实验结果表明,该方法与使用自适应惯性权重调节机制的粒子群优化目标跟踪方法相比,减少了获取相同适应度所需的迭代次数,运算效率提高了42.9%。实现了目标在相似性函数出现"多峰"情况下的准确定位,对目标出现部分遮挡的情况具有很好的适应性。     

基于粒子群优化算法的自适应图像分割方法

提出了一种基于粒子群优化算法的图像分割新方法。粒子群优化(PSO)算法是一类随机全局优化技术,它通过粒子间的相互作用发现复杂搜索空间中的最优区域缩短了寻找阈值的时间。将PSO用于基于改进的最佳加权熵阈值法的图像分割中,试验结果表明,该方法不仅能够避免陷入局部极值,而且其速度得到了明显的改善,是一种有效的图像分割新方法。     

基于修补粒子群算法的红外目标跟踪

为了避免粒子群算法退化和运算量大问题,提出利用修补粒子群算法对红外目标进行跟踪。该算法先用设置粒子的惯性因子对搜索到的红外目标位置进行修正,使粒子的位置达到局部最优点和全局最优点;然后通过粒子群收缩因子限制在边界搜索,消除目标位置的模糊性。利用该方法对空中红外战斗机图像跟踪仿真,结果显示在500次粒子迭代,100次跟踪中误差为2.83%,在最大惯性权值为1.2和最小惯性权值为0.3时跟踪效果最接近真实目标,且边缘最清晰。     

基于微粒群区域搜索和小波评价的差分式自动聚焦

为进一步提高图像法自动聚焦的性能,提出了一种差分式提取图像边缘的方法,并构造了图像清晰度的小波评价函数,同时利用微粒群(PSO)算法对聚焦区域进行快速搜索。首先,介绍了差分式边缘提取方法及其优势,给出了一种评价区域的选取判据以及基于PSO的高效搜索方法;然后,对小波评价函数参数进行了比较分析和优选;最后,与传统方法进行了对比实验。结果表明,由于采用了差分式提取方法以及新的自适应聚焦窗口和评价函数,聚焦曲线较传统方法具有更高的调焦分辨率,PSO算法的使用使聚焦速度提高了约170 ms,聚焦精度约为2.3μm,同时调焦效果不受初始位置的影响。     

基于粒子群优化的混沌系统比例-积分-微分控制

基于比例-积分-微分(PID)控制算法的简单性和实用性,但对于复杂非线性系统控制时参数的难以确定问题,运用集群智能中的改进粒子群算法进行PID控制器的优化,并应用于若干混沌系统的控制.对Hénon混沌、Duffing混沌、六辊UC 轧机混沌、Nagumo-sato神经元混沌、Chen氏混沌以及永磁同步电动机混沌的控制进行了仿真研究.研究结果表明： 用PID进行混沌系统的输出反馈控制是有效的,从而拓宽了PID控制的应用范围; 用简单方法控制复杂混沌系统是完全可能的,对混沌系统的控制具有较好的参考价值; 粒子 关键词： 混沌 比例-积分-微分控制 粒子群优化算法     

改进粒子群算法的立体传声器阵列声成像系统阵形优化设计

提出改进的粒子群优化算法,获得波束方向图主瓣宽度和旁瓣级折中的优化立体阵形,避免基本实数粒子群算法仅采用旁瓣级或主瓣宽度一个性能指标优化而导致另一个性能指标恶化的问题,利用阵列视角限制进一步优化立体阵形并设计了声成像测量系统。改进的粒子群算法与基本粒子群算法仿真优化阵形比较表明改进粒子群算法设计的优化阵形在保持较窄的主瓣宽度的条件下具有较低的旁瓣级。阵列声成像测量系统的性能测量分析结果表明该系统的空间分辨率和旁瓣抑制能力与理论结果接近,验证了所提算法的有效性。     

基于微粒群区域搜索和小波评价的差分式自动聚焦

为进一步提高图像法自动聚焦的性能,提出了一种差分式提取图像边缘的方法,并构造了图像清晰度的小波评价函数,同时利用微粒群（PSO）算法对聚焦区域进行快速搜索。首先,介绍了差分式边缘提取方法及其优势,给出了一种评价区域的选取判据以及基于PSO的高效搜索方法;然后,对小波评价函数参数进行了比较分析和优选;最后,与传统方法进行了对比实验。结果表明,由于采用了差分式提取方法以及新的自适应聚焦窗口和评价函数,聚焦曲线较传统方法具有更高的调焦分辨率,PSO算法的使用使聚焦速度提高了约170 ms,聚焦精度约为2.3μm,同时调焦效果不受初始位置的影响。