网站首页

PSO求解多目标优化问题matlab代码

于 2021-05-06 发布

 0  363

下载积分: 1 下载次数: 5

我要下载

代码说明：

粒子群算法，多目标优化

下载说明：请别用迅雷下载，失败请重下，重下不扣分！

发表评论

0 个回复

基于和转矩分配函数的开关磁阻电机控制
采用正弦型转矩分配函数

2020-11-28下载

积分：1
SMO仿真模型
【实例简介】

2021-07-31 00:31:22下载

积分：1
33节点潮流计算
33节点潮流计算

2021-05-06下载

积分：1
雷达MTD
雷达MTD程序，可以直接在MATLAB上运行

2021-06-03 00:31:26下载

积分：1
基于矢量控制的永磁同步电机参数辨识
【实例简介】

2021-06-10 00:31:20下载

积分：1
多分类SVM的Matlab实现
内含libsvm工具箱、SVMs的示例程序（含代码和实例数据）、SVR的示例程序（含代码和实例数据）

2019-11-05下载

积分：1
帧差法目标识别(目标检测跟踪).doc
本文展示了一种自动识别视频中移动目标的方法。论文中提取移动目标通过帧序列，这种方法不需要先验知识，比如：时间阈值调整。基于相邻帧的连续对称差分，我们能得到全分辨率显著图；然后利用最大熵方法计算阈值决定候选区域和获得兴趣点的种子；最后用修改的模糊生长方法获得最终的结果。本文中提出的算法是有效的、具有鲁棒性的。实验结果也证明它具有很好的效果。移动目标检测在计算机视觉中有广泛应用，但是在研究过程中也有很多挑战。通常目标检测方法被分为三类：（1）基于时间信息。例如：帧差法能很快检测出目标，但很难得到整个物体的轮廓，并且易受背景的影响。（2）基于空间信息的。（3）基于时间和空间信息的。有较好的效果，计算复杂度高。本文提出了一种基于时间信息的方法。（1）通过相邻帧对称差分获得显著图；（2）使用最大熵模型得到一个阈值去二值化时间显著图和获得候选区域。然后选择候选区域最显著的点作为兴趣种子点。（3）对于每一兴趣种子点，在显著图上应用模糊生长方法直到没有点能被聚集和能获得移动物体的轮廓A.移动显著图的产生①获得一段连续帧②相邻帧做差分得到移动目标。③对得到的差分显著图做开运算。作用：消除小的和亮的细节。④为了去除噪声和背景运动的影响，对差分得到的显著图做和再平均。B.兴趣种子选择由于图像是连续变化的，一个固定的阈值不能很好的二值化显著图，本文采用最大熵方法得到一个变化的阈值去二值化显著图和提取候选兴趣区域。然后选择兴趣种子点。C.移动目标检测为了提取移动的目标，本论文应用模糊生长方法去使兴趣点的种子生长成一片区域。如果像素值满足下列条件，对兴趣点的种子使用模糊生长算法。a和u表示如下图实验数据集：PETS2000, PETS2001 and Dataset2014设备：The algorithm is implemented with C on a personal computer with Core i3 3.3 GHz CPU and 2G RAM.评价标准：假负率(False Negative Rate , FNR) ：FNR = FN /(TP FN) ，即被预测为负的正样本结果数/正样本实际数假正率(False Positive Rate , FPR) ：FPR = FP /(FP TN) ，即被预测为正的负样本结果数 /负样本实际数 Specificity (负例的覆盖率，True Negative Rate) =正确预测到的负例个数/实际负例总数 PBC ：Percentage of Bad Classifications召回率（Re、recall）：预测为真实正例除以所有真实正例样本的个数准确率(Precision) ：预测为真实正例除以所有被预测为正例样本的个数F-measure：查准率和查全率的调和平均值, 更接近于P, R两个数较小的那个: F=2* P* R/(P R)实验结果如下图表一表示的是本论文实验得出的结果；Fig7和Fig8本文的实验结果与图中方法的比较，可以看出本文中的方法表现很出色。论文中的检测结果本论文的贡献共以下五点：（1）产生特征图基于时间信息。（2）对于场景不需要任何先验知识。（3）扩展了差分从相邻两帧到相邻n帧。（4）对于复杂的背景和相机的抖动具有很好的鲁棒性。（5）自动的提取移动目标。

2019-08-29下载

积分：1
贝叶斯分类器实现汉字识别(程序+样本集)
【实例简介】

2021-05-30 00:31:16下载

积分：1
基于蚁群算法的机器人最短路径规划.pdf
摘要：针对机器人路径规划中，传统蚁群算法收敛速度慢、易陷入局部最优解等问题，提出了一种移动机器人路径规划的改进蚁群优化(ACO)算法。用栅格法建立环境模型，并基于人工势场建立启发信息素矩阵，降低了蚂蚁在初始阶段搜索的盲目性；引入激励函数，降低搜索过程中的死锁现象；改进信息素的更新机制，增强了优秀蚂蚁对全局路径规划的影响。仿真结果表明：改进后蚁群算法的机器人路径规划算法加快了收敛速度，具有较强的鲁棒性和全局寻优能力。关键词：蚁群优化(ACO)算法；人工势场；路径规划；机器人

2020-12-11下载

积分：1
三相整流桥.slx
【实例简介】

2021-06-22 00:30:57下载

积分：1

696516资源总数
106918会员总数
4今日下载

PSO求解多目标优化问题matlab代码

0 个回复

热门标签

热门下载