论文研究螺旋粒子群优化算法的研究简报 .pdf

针对粒子群优化算法（PSO）在求解高维复杂优化问题时存在搜索精度不高和易陷入局部最优解的缺陷，借鉴混合蛙跳算法（SFLA）的群体爬山思想，提出一种基于群体爬山策略的混合粒子群优化算法（CMCPSO），

建立了点到复杂平面曲线最小距离的数学模型，提出了快速计算点到复杂平面曲线最小距离的分割逼近算法。大量算例验证了该算法的有效性，其计算精确度高，可以达到任意给定的精度，非常适用于三坐标测量机的点相关数据

针对粒子群优化算法的“早熟”问题,提出了强社会认知能力粒子群优化算法,该算法通过学习概率和选择概率确定粒子跟踪的局部极值。算法中学习概率的自适应调整有效权衡了粒子的个体认知能力和社会认知能力。通过经典

应用粒子群优化算法作为像素寻优策略,应用于多样图纹理合成算法中,将群智能中经典的粒子群优化算法引入到纹理合成领域。应用粒子群优化多样图纹理合成方法是传统的基于像素纹理合成方法和基于块的纹理合成方法的折

对偶四元数是统一描述一般性刚体运动的最简洁和最有效的数学工具，它的更新计算需要利用没有冗余约束的螺旋矢量来实现。螺旋矢量微分方程与旋转矢量微分方程具有相同的结构形式，借鉴后者的优化求解方法，设计了螺旋

很有参考价值的文献！是一份pdf文献，希望对您有用哦！

针对传统线性判别分析方法存在的问题，在研究现有理论成果的基础上，提出一种新的LDA实现方法。该方法首先对原有的Fisher准则进行修正，然后通过迭代搜寻最佳鉴别矢量，最后对获取的鉴别矢量进行比较分析。

针对基本粒子群算法具有后期收敛速度慢、容易陷入局部极值等缺陷，通过考虑粒子的位置之间的加权作用，对基本粒子群算法进行了改进，提出了一种位置加权的粒子群算法以减小搜索过程中的盲目性。测试函数结果表明，算

为进一步缓解粒子群优化算法在后期收敛速度慢、早熟等问题,提出了一种挂载式的、依赖自适应阈值和已知全局最优解的压缩搜索空间策略。在此基础上对粒子重新分配初始位置、调整速度权值来提升算法的后期探索能力。实

聚类分析是数据挖掘的重要技术之一，它能够通过无监督的学习过程发现隐藏的模式，具有独立发现知识的能力。对现有文献中基于粒子群优化算法的聚类分析技术作了全面的介绍，对几种主要的粒子群聚类算法的基本原理及其