共查询到20条相似文献,搜索用时 749 毫秒
1.
基于密度的小生境粒子群算法在空间信息服务选择中的应用 总被引:1,自引:0,他引:1
针对现有空间信息服务选择技术的不足,提出了一种基于粒子群优化算法的多目标优化策略,通过同时优化多个QoS参数,产生一组满足约束条件的Pareto最优解.针对多峰函数的多目标优化问题,采用基于改进密度聚类的小生境技术,保证了解的多样性.构建了模拟试验环境,验证了算法的可行性和效率. 相似文献
2.
针对基于仿射不变特征的遥感影像匹配技术,提出了一种自动优化方法,以进一步提高匹配准确性.根据典型需求形成了两套优化实施方案,基于所提出的自动优化方法实现了相应具体算法.针对不同类型的多组影像,自动优化的效果与相应方案的预定目标一致,充分证明了本方法的有效性与适用性. 相似文献
3.
4.
5.
针对应用日益广泛的最近邻查询,提出了一种基于R树广度遍历和优化排序原理的最近邻查询算法,能适应不同空间分布的目标数据集。同时,提出了多细节层次(LOD)目标查询方法。实验证明,此方法支持多尺度场景逼真描述,查询结果准确,满足当前三维GIS的功能需求。 相似文献
6.
多目标微粒群算法用于土地利用空间优化配置 总被引:4,自引:0,他引:4
针对已有空间配置方法在协调土地利用多目标方面的不足,探讨构建基于多目标微粒群算法的土地利用空间优化配置模型。建立了土地利用空间配置方案与单个微粒的映射关系,以经济、社会、生态和综合效益为优化目标,以土地利用优化结构、土地利用现状、地类转换规则为约束条件进行最优配置方案的自组织、智能化搜索,并选取湖北省嘉鱼县作为试验区验证了其有效性。 相似文献
7.
土壤空间抽样优化需要综合考虑抽样精度、成本、代表性以及样点数量与空间布局等多目标,属于典型的NP-Hard空间优化决策问题。先验知识的应用以及多目标的博弈能够有效地提高抽样精度和效率。通过研究土壤空间抽样先验知识及其空间分层技术,以及土壤空间抽样方案与粒子群算法映射关系,建立了基于知识约束下多目标粒子群算法的土壤空间抽样优化模型。模型以最小克里金方差和最大熵为抽样目标,以分层最小样本量、空间阻隔和可达性为约束条件,结合目标规划法进行多目标帕累托优化方案求解,并以陕西省横山县为实验区验证了模型的有效性。实验结果表明,该模型相比传统方法具有较高的收敛效率和抽样精度,先验知识与目标规划法的应用显著提升了抽样方案代表性,能够为土壤空间抽样以及土壤质量监测网络构建提供新的技术支撑。 相似文献
8.
在多目标约束下,构建了应用于城市土地利用空间优化配置的多智能体系统与微粒群集成优化算法,并以长株潭城市群的核心区域为例,开展了基于该算法的城市土地利用空间优化配置应用研究。研究结果表明,集成优化算法的Agent平均适应值和运行效率分别较微粒群优化和标准遗传算法得到了大幅度提高,从而证明了算法的可行性与先进性。 相似文献
9.
针对跟踪仪三维控制网测量时因跟踪仪设站位置凭经验布设无法保证测量结果最优的问题,提出一种基于遗传算法的跟踪仪控制网优化设计方法。该方法以多台激光跟踪仪三维网的距离前方交会为理论基础,取目标点精度均方差最小为目标函数,兼顾了工作区域边界、目标点的可视性、跟踪仪间距等约束条件,基于遗传算法实现了跟踪仪设站位置的优化设计。实验结果表明,该优化设计算法具有明显的效果,算法设计出的网形较随机网形的测量精度有明显提高,能够为实际测量中跟踪仪的布设位置提供参考。 相似文献
10.
《武汉大学学报(信息科学版)》2016,(1)
针对海天背景下彩色近景舰船图像,采用了一种基于多尺度特征簇的舰船目标快速定位与识别方法,此方法对旋转具有鲁棒性,对光照具有良好的适应性。借鉴Canny边缘检测与图像金子塔及最小生成树聚类算法的思想,设计了一套可适应目标多尺度特性并提高Canny边缘检测自适应性的"特征簇"目标定位算法,结合概率树分类器与二维主成分分析算法,可对多视角、多目标类型舰船目标进行识别,并根据全概率公式评估识别结果。 相似文献
11.
针对定位、导航、授时、遥感、通信一体的天基信息实时服务系统对遥感信息高时间分辨率获取的需求,提出了基于改进粒子群优化(particle swarm optimization,PSO)算法的遥感卫星星座优化设计方法。基于6N和3+4P星座构型,以重访时间间隔作为优化目标,采用改进的PSO算法对星座优化模型进行求解,分别针对全球覆盖和区域覆盖任务进行了仿真对比试验。仿真结果表明,提出的方法适用于低轨遥感卫星星座设计,满足高时间分辨率要求。 相似文献
12.
针对目前多时相光谱直接变化检测方法存在训练样本分布限制和样本特征组合单一的缺陷问题,本文将微粒群优化方法引入遥感信息变化检测领域,构建了基于微粒群优化方法的遥感信息变化检测方法,在变化监测的过程中,通过变化规则的自动搜索和建立,实现了遥感影像变化信息的一次性直接提取。在方法验证过程中,选择北京为实验区,成功实现了应用微粒群优化方法对实验区2000年至2006年、2006年至2009年两个时间段的遥感影像进行了土地覆盖类型的变化信息检测,并将应用微粒群优化方法与决策树(C4.5和PART)、最大似然等方法的变化检测结果进行了对比分析。结果表明,微粒群优化方法能够自动搜索变化规则,得到的变化规则比决策树方法更简单,并能够获得更高的检测精度。 相似文献
13.
14.
讨论了具有广泛应用的线性等式、线性不等式及非负约束的非线性最优化问题。以极方向的特殊组合加上修正向量为搜索方向,给出一个具有超线性收敛速度的算法。较以往的算法有明显的优点,具有较好的稳定性和实用性。 相似文献
15.
模糊特征的选择影响着模糊分类的结果。从大量模糊特征中选择出有效特征进行分类,存在着一定的难度。粒子群优化算法(PSO)是基于群体智能的新型进化计算技术,具有自适应、自组织等智能特性,具有强大的寻找最优解的能力。将离散二进制PSO用于模糊特征选择,实现了基于PSO的模糊特征自适应选择方法,并通过航空和卫星遥感影像的模糊分类实验,验证了此方法的有效性。 相似文献
16.
17.
18.
为有效确定概率积分法预计参数,提高预计值的精度。将粒子群优化(PSO)算法和BP神经网络进行融合,采用改进的混合粒子群优化算法优化神经网络的权值和阈值。在分析概率积分法参数与地质采矿条件之间关系的基础上,建立了基于PSO优化BP神经网络的概率积分法预计参数的优化选择模型。以我国典型的地表移动观测站资料为例,将计算结果与实际值进行了对比分析,并与文献[1]中改进BP算法进行了比较。结果表明,PSO-BP神经网络方法用于概率积分法预计参数的选取是可行的,收敛速度更快,计算精度更高。 相似文献
19.
自适应动态演化粒子群算法在Web主题信息搜索中的应用 总被引:1,自引:0,他引:1
童亚拉 《武汉大学学报(信息科学版)》2008,33(12):1296-1299
针对传统的基于单一价值评价的网络爬虫搜索策略存在的不足,提出了一种基于自适应动态演化粒子群(adaptive dynamical evolutional particle swarm optimization,ADEPSO)的启发式网络爬虫搜索算法。本算法综合立即价值和未来价值两种链接评价方法,并依据链接价值所反映的Web实际搜索情况动态调整两种价值的关系,使网络爬虫能更准确地预测页面的重要性。实验表明,该算法具有较高的搜索效率。 相似文献
20.
对高层、超高层建筑物进行实时,高精度的变形监测对提前预防安全隐患,保证人民生命财产安全具有重要意义.建筑物变形作为一种典型的随机性和微弱性过程,噪声等误差的存在会影响从中提取有用的变形信息.针对该问题,提出一种改进粒子群(ParticleSwarmOptimization,PSO)算法优化支持向量机(SupportVe... 相似文献