基于改进混合蛙跳算法及SVM的耳语情感语音识别方法的DSP实现

提出了一种基于改进混合蛙跳算法的SVM训练算法。该算法保持了混合蛙跳算法参数少和容易实现的特点,同时通过模拟退火的降温过程来提高算法的进化速度和精度。并用耳语情感语音识别实验来验证提出的基于改进混合蛙跳算法的SVM的有效性。实验结果表明,提出的新的模型的实验结果明显好于传统的SVM方法,证明了该方法的有效性。     

改进的SVM分类算法在人脸年龄估计中的应用

支持向量机的训练需要求解一个带约束的二次规划问题，但在数据规模很大情况下，经典训练方法将变得很困难，提出一种基于改进的混合蛙跳算法的SVM训练算法，针对混合蛙跳算法搜索速度慢且容易陷入局部极值的缺陷，将模拟退火思想引入到混合蛙跳算法中，提出一种改进的混合蛙跳算法，并将其应用到人脸年龄估计中去，另外使用核主成分分析算法、Gabor小波变换以及局域二值变换来提取人脸的特征，将这3种特征分别特征层和决策层融合后，得到更为适合人脸年龄的特征向量。实验结果表明，使用该算法得到的人脸年龄段分类的分类准确率相对较高。     

基于自适应权重和模拟退火的鲸鱼优化算法

针对鲸鱼优化算法容易陷入局部极值和收敛速度慢的问题,提出了一种结合自适应权重和模拟退火的鲸鱼优化算法.通过改进的自适应权重策略来调整算法的收敛速度,通过模拟退火增强鲸鱼优化算法的全局寻优能力.仿真实验中计算了18个测试函数,对比了粒子群算法、海豚回声定位算法和标准鲸鱼算法并进行统计分析,同时比较了单独结合自适应权重和模拟退火对鲸鱼优化的影响,结果表明,改进的算法在测试函数的极值计算中,计算精度和收敛速度方面都有了明显提升,验证了改进算法的有效性.     

混合蛙跳算法及其改进算法的运动轨迹及收敛性分析

本文通过求解差分方程分析混合蛙跳算法(Shuffled Frog Leaping Algorithm,SFLA)青蛙运动轨迹;进一步利用Solis和Wets提出的随机搜索算法收敛性判据讨论SFLA全局收敛性,得出SFLA全局收敛的结论;为提高SFLA收敛效率,提出一种在SFLA深度搜索方向上融合极值动力学优化(Extremal Optimization,EO)的改进算法EO-SFLA,并证明其依概率1收敛于全局最优.EO-SFLA中,改进的EO变异概率选取方式拓展了算法搜索空间,赋予了算法跳出局部极值点的能力,保证了算法全局收敛性.通过四个广泛使用的基准函数对两种算法进行实验仿真,仿真结果表明改进算法在保持全局收敛性的同时显著提高收敛速度.     

采用改进梯度互信息和粒子群优化算法的红外与可见光图像配准算法

针对传统互信息图像配准容易产生局部极值,以及传统梯度互信息配准方法计算量大等问题,在互信息和梯度方法基础上构建了一种改进的梯度互信息方法,该方法直接统计梯度图像的互信息,有效地将图像梯度信息和灰度信息结合起来,不仅保证了配准精度,而且较传统梯度互信息方法减少了计算量。在参量优化的过程中,针对传统粒子群优化算法易陷入局部极值的缺点,提出了改进的粒子群优化算法,该算法在传统粒子群优化算法基础上引入混沌优化思想和遗传算法中的杂交思想,不仅能够有效抑制局部极值,而且加快了收敛速度。多种红外与可见光图像配准实验结果证明,文中提出的算法能够有效提高配准精度和速度。     

基于改进的蛙跳算法与支持向量机的实用语音情感识别

支持向量机是一种基于统计学习理论的新型机器学习算法,在高维特征空间中寻找最优分类超平面,具有很好的分类精度和泛化性能。支持向量机的训练需要求解一个带约束的二次规划问题,针对数据规模很大情况下经典训练方法变得很困难的缺点,提出一种基于改进混合蛙跳算法的支持向量机分类器参数优化方法,既提高了混合蛙跳算法的收敛速度和精度,又能借助混合蛙跳算法的全局随机搜索能力,为支持向量机参数的优化选择提供一条有效途径。本文提取情感语句的韵律特征、音质特征和混沌特征参数,提出一种基于改进蛙跳算法的数据融合方法,并利用基于改进蛙跳算法的支持向量机进行实用语音情感的识别研究。在实验中比较了PCA方法、BP神经网络和数据融合方法用于语音情感识别的识别率,研究结果表明本文所提的各项改进机制能有效提升情感识别率,为实用语音情感的识别提供一种新方法和新思路。      

—种混合蛙跳算法优化的粒子滤波方法

粒子滤波方法是一种适合于非线性、非高斯系统状态的滤波方法,在目标跟踪等领域有着广泛应用。但传统粒子滤波方法的粒子之间缺乏交互性与合作意识,很可能在寻优过程中陷入局部极值。针对这一问题,提出一种混合蛙跳算法优化的粒子滤波方法。混合蛙跳算法速度快,全局搜索能力强,可以在局部间进行信息传递,使算法跳出局部极值。因此采用混合蛙跳算法优化传统粒子滤波方法,可以构建多种粒子子集的分布体系,把原本不具备智能行为的粒子分别赋予分群、选择、信息交互和进化等机制,使粒子群体表现出智能行为,从而使寻优搜索向着全局最优方向进行。最后采用仿真实验进行比较,优化后的方法在性能上明显优于传统粒子滤波方法,取得了较好效果。     

基于混合优化算法的正交多相码的设计

通过结合模拟退火算法的概率接受准则和蚁群算法的并行搜索，提出了一种有效的混合优化算法，设计出了具有良好自相关和互相关性能的正交信号组。混合算法弥补了模拟退火算法的搜索效率低和蚁群算法的容易陷入局部最小值的缺点，提高了全局搜索的能力。仿真结果表明，在搜索最优正交多相码方面该混合优化算法优于其他搜索算法。     

改进混合蛙跳算法求解旅行商问题

以旅行商问题(TSP)为例,引入调整序思想设计了局部搜索策略,同时在全局信息交换过程中加入变异操作,提出一种改进混合蛙跳算法求解TSP问题.实验结果表明,与遗传算法和粒子群优化算法相比较,改进混合蛙跳算法在求解TSP问题上具有更好的搜索性能和顽健性.     

多目标混合蛙跳算法中改进的种群分割方法

种群分割方法是混合蛙跳算法最重要的组成部分之一,直接影响算法的性能。针对多目标混合蛙跳算法,提出一种新的种群分割方法。该方法将代表潜在最优区域的非支配个体集合通过聚类的方式划分族群,目的是使不同族群在不同区域进行局部搜索,避免算法早熟。被支配个体则根据其与非支配个体集合的近似度分配到族群中,并通过随机加入其他族群个体的方式提高本族群的多样性。实验结果表明,本文的方法在提高多目标混合蛙跳算法的收敛性和收敛速度方面都具有优势,而且对于目标个数较多的优化问题（最多10个目标）仍能获得令人满意的结果。      

基于改进混合蛙跳算法的CVRP求解

该文提出基于实数编码模式的混合蛙跳算法(Shuffled Frog Leaping Algorithm,SFLA)求解容量约束车辆路径问题(Capacitated Vehicle Routing Problem,CVRP);把具有极强局部搜索能力的幂律极值动力学优化(Power Law Extremal Optimization,-EO)融合于SFLA,针对CVRP对-EO过程进行设计和改进。改进的-EO采用新颖的组元适应度计算方法;采用幂律概率分布来挑选需要变异的组元;根据最邻近城市表,采用幂律概率分布挑选变异组元的最佳邻近城市,执行线路间或线路内的变异。求解测试库中的实例,证明该改进算法有效。     

蛙跳结合模糊C-均值的图像分割算法

实现了基于混合蛙跳与模糊C-均值结合的图像分割算法。克服了由于FCM算法易受初始聚类中心和隶属度矩阵的影响而使图像分割效果不理想的缺陷。蛙跳算法（SFLA）是一种全新的后启发式群体优化算法,具有高效的计算性能和优良的全局搜索能力。实验表明：该方法与FPSO结合既提高了图像分割的效率又能得到更好的图像分割效果。     

基于改进SFLA-PF算法的OFDM系统的目标跟踪

在OFDM通信系统中,为了解决非线性的目标跟踪问题,提出了基于改进混合蛙跳算法(SFLA)和粒子滤波算法(PF)相结合的方法来研究动态目标跟踪技术.首先利用高斯变异的局部搜索能力强和柯西变异的全局搜索能力强等优点对混合蛙跳算法进行改进,然后用改进后的混合蛙跳算法来优化粒子滤波算法进行动态跟踪,其优点不需要重采样步骤,有效地保持了粒子的多样性和有效性.仿真结果表明,该算法能够有效实现动态目标跟踪,并且跟踪效果优于同等条件下的混合蛙跳算法和粒子滤波算法.     

改进混洗蛙跳算法的软硬件划分方法研究

本文将混洗蛙跳算法应用于软硬件划分,提出一种新型的软硬件划分方法。针对混洗蛙跳算法应用于离散型问题时普遍存在的种群更新过慢、算法寻优方向盲目等问题,本文采用随机步长来改进青蛙种群的迁移行为,采用子种群内进化与全局混洗进化相结合的策略改进盲目全局寻优的情况,并根据无效迭代次数来提前终止迭代以提高算法效率。在划分实验中,改进后的算法的平均最优解比原始算法减小了17.4%～73.3%,平均硬件面积比原始算法大对不同结点数的随机DAG图4.32%～5.81%,平均仿真执行时间只有原算法的42.7%～64.0%。改进后算法在寻优能力和收敛速度上均优于原始算法,可更高效地完成软硬件划分任务。      

改进的交互式当前统计模型算法

交互式多模型(IMM)算法是一种有效的机动目标跟踪算法,但其性能与模型的选择、个数以及参数有关,而当前统计模型(CSM)是一种模型自适应的方法.因此,利用CSM为IMM提供模型,提出一种改进的交互式当前统计模型算法.仿真结果表明,该算法能有效地提高机动目标跟踪精度.     

A new training strategy for neural network using shuffled frog-leaping algorithm and application to channel equalization

This paper makes use of shuffled frog-leaping algorithm (SFLA) as a training algorithm to train multi-layer artificial neural network (ANN). Next, The SFLA ANNs are used for channel equalization. We, in this paper, also introduce SFLA for channel equalization that is formulated as an optimization problem. In short, this paper introduces a novel strategy for training of ANN and also proposes two novel approaches for channel equalization problem using shuffled frog-leaping algorithm (SFLA). The proposed strategies are tested both in time-invariant and time varying channels and interestingly yield better performance than contemporary approaches as evidenced by simulation results.     

改进的Householder多级维纳滤波方法

该文以GPS接收机空时抗干扰为应用背景,给出了一种改进的基于Householder多级维纳滤波的降维方法。该方法保留了原算法的前向递推过程,并利用多级维纳滤波的分解特性,对其后向迭代过程进行改进,得到一种阶递归的实现结构,大大提高了算法的实时性。分析表明,改进方法的运算复杂度与原算法接近,并远低于基于相关相减多级维纳滤波(CSS-MWF)的算法。仿真实验验证了算法的抗干扰性能。     

一类改进的类电磁机制算法

针对一种新的启发式全局优化算法类电磁机制算法,提出了一类改进的类电磁机制算法,改进了算法中局部搜索方法,搜索得到的初始种群更适宜于进化;对力的计算方法做了改进,使算法收敛速度加快;改进了粒子的更新过程,使得算法在进化后期能更有效地收敛到全局最优解.实验表明,与原算法相比,新算法性能更好、应用范围更广泛.     

一种改进的RRT路径规划算法

本文以自主驾驶车辆为实际应用背景.提出了一种改进的RRT(快速随机搜索树)路径规划算法.该路径规划算法将非完整性约束条件与双向多步扩展RRT搜索算法相结合,在提高搜索效率的同时保证了规划路径的可行性.同时将路径点作为B样条基函数的控制点,用三次B样条函数来拟合控制点生成平滑可跟踪的路径.通过在平面障碍物环境下实验,验证了该算法的有效性.     

一种最小化编码节点的网络编码优化算法

网络编码能有效地提升多播网络的传输性能,但编码的引入增加了节点的计算开销。为了克服网络编码带来的额外开销,该文提出了在代数网络编码框架下的网络编码优化模型,并在此模型基础上给出了基于改进遗传算法的最小化编码节点算法-(MCN,Minimizing Coding Nodes)。MCN在简单遗传算法的基础上增加了一些新的策略,避免了局部性问题和降低了算法寻优时间。模拟实验结果表明,MCN是有效的而且运行的更快,输出的网络编码方案所需要的编码节点也更少。同时将MCN应用到具有实际意义的网络中,同传统的网络编码相比,吞吐率仍可达到25%以上,而网络的平均延迟和网络开销却大大减少。