一种改进的全局粒子群优化算法

针对多个信噪比相差较大时容易发生的目标漏检问题,提出了一种改进的多目标双层粒子滤波检测前跟踪算法(IM-PF-TBD)。算法采用双层粒子滤波结构,在目标检测层中,采用锦标赛选择方法对检测粒子群进行重采

改进的粒子群算法一篇论文进的粒子群算法一篇论文,改进的粒子群算法一篇论文,

粒子群优化算法（PSO）简介，简单的介绍！简述粒子群算法的原理及改进！

针对逼近理想解的排序方法对Pareto前端的距离跟踪以及灰色关联度能够很好地分析非劣解集曲线与Pareto最优解集曲线的相似性，提出了一种求解多目标优化问题的理想灰色粒子群算法。该算法利用理想解理论与

为了提升粒子群优化算法(particleswarmoptimization,PSO)的性能，提出了一种基于网格划分的自适应粒子群优化(grid-basedadaptiveparticleswarmop

为解决粒子群优化算法前期搜索盲目，后期搜索速度慢且易陷入局部极值的问题，对算法中粒子更新方式和惯性权重进行了改进，提出了一种基于引导策略的自适应粒子群优化算法（improvedparticleswar

在分析图像模糊增强算法对于隶属函数及其模糊区域选择方法不足的基础上,提出一种新的基于粒子群算法的模糊隶属函数优化方法。该方法给出一个新模糊熵的定义,这个新模糊熵定义不仅考虑到图像在模糊域中划分区域时随

针对粒子群多模优化问题中存在的易早熟、收敛速度慢及寻优精度低等问题，提出了一种快速多种群的粒子群多模优化算法。首先采用动态半径及种群划分策略，避免了多种群区域重叠问题；然后引入拓扑机制，使种群内粒子在

针对粒子群优化算法中出现早熟和不收敛问题，分析了基本PSO算法参数对其优化性能的影响，提出了基于非线性权重的自适应粒子群优化算法（NWAPSO）。在优化过程中，惯性权重随迭代次数非线性变化，改进的算法

针对复杂背景下的运动目标跟踪特征选择问题，提出了一种基于粒子群优化的目标跟踪特征选择算法。假设具有目标与背景间最好可分离性的特征为最好的跟踪特征。通过构建目标与背景的图像特征分布方差的比值函数作为衡量