排序方式: 共有8条查询结果,搜索用时 15 毫秒
1
1.
针对移动机器人快速同时定位和地图创建(FastSLAM)中粒子退化问题,提出一种基于混沌优化的中值导向粒子群优化(MPSO)算法。该算法在粒子估计过程中引入观测信息,调整粒子的提议分布,提高位置预测的准测性。混沌优化MPSO算法采用两步优化策略,首先通过中值导向加速度来改进粒子的进化速度,有效地克服粒子退化问题,改善算法的收敛性;然后针对粒子耗尽问题,在MPSO优化算法中引入混沌搜索算法来寻找全局最优位置,驱散聚集在局部最优的粒子群,使其向全局最优位置靠近,扩大解空间的范围,从而保持种群的多样性。仿真和实时数据证明了该方法正确、可行。 相似文献
2.
3.
门窗是建筑的开口,是满足建筑采光和通风要求的重要功能部件,也是建筑与室外交流沟通的重要通道。随着城市建设的现代化,建筑门窗的形式、品种也越来越现代化。然而,建筑的现代化却带来了门窗面积的大幅度增加,这对节能是很不利的。一方面门窗的传热系数大大高于墙体,所以门窗面积的增加同时增加采暖能耗;另一方面,太阳通过门窗玻璃直射入室内,从而增加了夏季空调的负荷,增加空调能耗。 相似文献
4.
正门窗是建筑的开口,是满足建筑采光和通风要求的重要功能部件,也是建筑与室外交流沟通的重要通道。随着城市建设的现代化,建筑门窗的形式、品种也越来越现代化。然而,建筑的现代化却带来了门窗面积的大幅度增加,这对节能是很不利的。一方面门窗的传热系数大大高于墙体,所以门窗面积的增加同时增加采暖能耗;另一方面,太阳通过门窗玻璃直射入室内,从而增加了夏季空调的负荷,增加空调能耗。 相似文献
5.
6.
7.
随着大数据时代的到来,大规模多标签数据挖掘方法受到广泛关注。多标签最近邻算法MLKNN是一种简单高效、应用广泛的多标签分类方法,其分类精度在很多应用中都高于其他常见的多标签学习方法。然而随着需要处理的数据规模越来越大,传统串行ML-KNN算法已经难以满足大数据应用中时间和存储空间上的限制。结合Spark的并行机制和其基于内存的迭代计算特点,提出了一种基于Spark并行框架的ML-KNN算法SML-KNN。在Map阶段分别找到待预测样本每个分区的K近邻,随后Reduce阶段根据每个分区的近邻集合确定最终的K近邻,最后并行地对近邻的标签集合进行聚合,通过最大化后验概率准则输出待预测样本的目标标签集合。串行和并行环境下的对比实验结果表明,SML-KNN在保证分类精度的前提下性能与计算资源呈近似线性关系,提高了ML-KNN算法对大规模多标签数据的处理能力。 相似文献
8.
1