暂无评论
局部切空间排列(LTSA)算法是一种有效的流形学习算法,能较好地学习出高维数据的低维嵌入坐标。数据点的切空间在LTSA算法中起着重要的作用,其局部几何特征多是在样本点的切空间内表示。但是在实际中,LT
针对人工蜂群算法有时收敛速度较慢和探索能力较强而开发能力不足等问题,提出一种改进的人工蜂群(IABC)算法。该算法在跟随蜂阶段采用一种基于当前局部最优解(pbest)的搜索策略,能提高算法的局部搜索能
粒子群优化算法的性能主要受其中参数的影响,尤其是惯性权重的影响,选择合理的ω能够平衡算法的全局和局部搜索能力。根据当前粒子的函数值调整学习因子,利用局部搜索的方法确定惯性权重,提高了算法的鲁棒性能。最
为了准确、快速地发现大规模复杂网络中的局部社区,提出了一种基于节点接近度的局部社区发现算法。该算法以最大度节点作为起始节点,利用节点接近度和局部社区Q值不断搜索其邻居节点,将接近度最大的节点加入初始社
针对传统谱聚类算法没有解决簇划分过程中,簇间交叉区域样本点对聚类效果有影响这个问题,提出一种基于局部协方差矩阵的谱聚类算法,主要介绍了一种新的计算样本之间相似度亲和矩阵的方法,即通过计算样本点之间的欧
针对线阵相机拍摄的动车图像上的噪声对图像比对识别结果产生的不良影响,提出了一种基于局部像素特征的图像去噪算法.该算法首先对待处理图像的像素点进行逐行扫描,并计算每一行的像素均值,同时记录与该行对应且与
针对网格角色模型(人体或动物模型)的关节部位在变形中易出现扭曲或不自然体积改变的问题,结合网格刚性变形和微分变形的理论,提出了一种基于局部刚性约束的变形算法。在本算法中,首先采用距离场方法求取模型的骨
论文研究-一种新的进化算法——蚁群算法.pdf, 介绍一种崭新的求解组合优化问题的方法一人工蚁群算法.该方法通过模拟蚁群搜索食物的过程,达到求解比较困难的组合优化之目的.该方法的主要特点是:正反馈、分
数据降维是模式识别的重要组成部分。支持向量鉴别分析(supportvectordiscriminantanalysis,SVDA)依最优超平面法线方向投影对数据进行降维,克服了传统方法中假设数据满足高
非相度保持投影算法是一种有效的特征提取算法,该算法无须参数设置且识别性能稳定,但算法的运算量大,并且存在着小样本问题,因此提出了一种基于PCA空间的自适应相似近邻保持投影算法。该算法为了减少权值的计算
暂无评论