国家自然科学基金(61170202)
- 作品数:8 被引量:19H指数:2
- 相关作者:熊盛武刘宏兵李辉段鹏飞方志祥更多>>
- 相关机构:信阳师范学院武汉理工大学武汉大学更多>>
- 发文基金:国家自然科学基金河南省高校青年骨干教师资助项目武汉市科技攻关计划项目更多>>
- 相关领域:自动化与计算机技术环境科学与工程更多>>
- 基于插值方法的EMO多样性保持策略
- 2013年
- 针对演化多目标优化(evolutionary multi-objective optimization,EMO)算法搜索到的近似Pareto前沿出现间断或不完整现象的问题,提出了基于插值方法的演化多目标多样性保持策略,利用标准测试函数对NSGAII(支配关系排序的遗传算法)和提出的算法进行多样性和收敛性指标测试,数值试验结果表明,所提出的算法性能得到明显改进,优于NSGAII算法。
- 陈琼叶理德
- 关键词:插值方法
- 基于模糊格的超盒粒计算分类器被引量:2
- 2013年
- 粒的表示、粒之间的关系和运算是粒计算的主要研究内容.利用向量表示超盒粒,分析向量之间的偏序关系和超盒粒之间的偏序关系的不一致性,并引入保序函数消除该不一致性.利用格和其对偶格之间的非线性正评价函数和保序函数构造超盒粒之间模糊包含关系.为得到不同粒度的粒,设计超盒粒之间的合并算子和分解算子,证明由超盒粒集、超盒粒之间的模糊包含关系、合并算子、分解算子构成的代数系统是模糊格,构造基于模糊格的超盒粒计算分类器.用机器学习数据集中的分类问题,验证该分类器具有和模糊格推理分类器相同的推广能力并减少超盒粒的数量.
- 刘宏兵邬长安熊盛武
- 关键词:模糊格粒计算
- 校园航拍图像超分辨率重建的粒计算方法
- 2019年
- 提出了校园航拍图像超分辨率重建的粒计算方法,包括:(1)提出了图像粒化方法,实现图像空间向粒度空间的转化;(2)设计粒之间合并运算和分解运算,构造粒之间的模糊包含关系μ和σ,实现不同粒度空间之间的转化,获取图像的先验知识,指导校园航拍图像超分辨率重建算法的设计;(3)根据自顶向下、自底向上两种模式和图像先验知识,设计校园航拍图像超分辨率重建粒计算算法,实现粒度空间向图像空间的转化.实验验证了提出方法的可行性.
- 刘宏兵马原刁小宇郭华平
- 关键词:高分辨率图像粒计算超分辨率重建
- 面向大型场馆疏散的改进多蚁群算法被引量:12
- 2013年
- 针对大型场馆应急疏散的路径优化问题,提出了一种基于遗传算法交叉变异算子的多蚁群算法。该算法通过引入多蚁群信息素组的概念,将遗传算法交叉和变异的思想应用到信息素更新模型中,解决了传统蚁群算法易陷入局部最优的问题。最后,将此模型应用在武汉体育馆及其周边路网集成环境中。实验结果表明,该算法能够为大型场馆中大规模人群提供一个有效可行的疏散方案。
- 段鹏飞熊盛武李辉
- 关键词:蚁群算法遗传算法紧急疏散
- WSN节点的粒计算网格化定位算法被引量:2
- 2012年
- 接收信号强度作为一种低功率廉价的测距方式而用于估计无线传感器网络的节点位置,但定位精度会受到时空传播介质的影响,构造快速算法是解决该问题的主要方法之一。对定位区域网格化,提出了基于粒计算的快速网格化定位算法。将定位问题转化为分类问题,利用粒计算分类算法,得到定位参数,估计未知节点的位置。实验结果表明与支持向量机定位相比粒计算网格化定位算法降低了定位误差和时间。
- 刘宏兵熊盛武
- 关键词:无线传感器网络粒计算
- 基于蚁群算法的人车混合疏散优化及混合比例分析被引量:3
- 2012年
- 为解决紧急情况下的人车混合疏散问题,以人车混合疏散的总时间最短、混合道路利用程度最高为目标,建立了一种人车混合疏散的多目标优化模型,针对该模型设计了多目标蚁群优化算法及其改进算法,并应用于大型体育场及其周边路网集成环境中进行了仿真实验,分析了不同人车混合比例下的疏散性能,结果表明:该模型及算法对人车混合交通流疏散问题具有良好的效果,尤其是当行人所占比例为50%-80%时,人车混合疏散效果在两个目标上较优.该模型和算法有助于为大型公共场所人车混合安全疏散预案的制定提供决策支持.
- 宗欣露熊盛武方志祥
- 关键词:多目标优化蚁群算法
- 超盒粒代数系统
- 2014年
- 研究了超盒粒的表示方法、超盒粒之间的偏序关系和超盒粒之间的运算,构造由粒集、超盒粒之间的偏序关系和算子组成的代数系统,给出了超盒粒的格代数系统的相关定理及其证明。
- 刘宏兵郭颂
- 关键词:偏序关系代数系统
- 用模糊包含度构造超盒粒分类器
- 2013年
- 如何将训练集分割成大小不一的超盒粒是粒计算领域的关键问题之一。引入非线性正评价函数并用于构造超盒粒之间的模糊包含度函数,通过粒度阈值,对两个超盒粒有条件合并,构造含有大小不同超盒粒的分类器。实验结果表明超盒粒分类器与模糊格推理分类器相比提高了测试精度,与支持向量机相比加快了训练速度且提高了测试精度。
- 刘宏兵周文勇熊炎
- 关键词:支持向量机