模式识别与人工智能
2025年4月2日 星期三   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2008, Vol. 21 Issue (3): 285-289    DOI:
论文与报告 最新目录| 下期目录| 过刊浏览| 高级检索 |
应用于矢量量化的改进粒子群优化算法*
李小捷1,许录平1,杨莉2
1.西安电子科技大学 电子工程学院 西安 710071
2.上海交通大学 微电子学院 上海 200030
An Improved Particle Swarm Optimization Algorithm for Vector Quantization
LI Xiao-Jie1, XU Lu-Ping1, YANG Li2
1.School of Electronic Engineering, Xidian University, Xi'an 7100712.
School of Micro-Electronics, Shanghai Jiaotong University, Shanghai 200030

全文: PDF (440 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 针对粒子群优化算法(PSO)应用于矢量量化时,最优粒子对与其对应维度距离较大的粒子缺乏有效指导问题,提出适用于矢量量化的改进粒子群优化算法(IPSO_VQ).该算法通过建立粒子与榜样粒子的维度映射关系,以基于映射关系的维度学习代替对应维度学习关系,使粒子相关维度间的学习有一定相关性,增强算法局部搜索能力.同时,借鉴广泛学习粒子群优化(CLPSO)算法中的广泛学习思想,并将其应用于基本PSO中的全局最优位置学习部分,通过对多个粒子的广泛学习,增加种群的多样性.实验结果表明该算法有效避免种群早熟收敛,从而使解码恢复图像获得更高的主客观质量.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
李小捷
许录平
杨莉
关键词 矢量量化码书设计进化计算粒子群优化(PSO)    
Abstract:An improved particle swarm optimization algorithm for vector quantization is proposed. The Concept of comprehensive learning in comprehensive learning particle swarm optimization (CLPSO) is adopted and merged into the learning strategies of original particle swarm optimization (PSO). The mapping between a particle and its example particle is built. And the particle can learn from the mapped dimensions in the example particle instead of the corresponding dimensions. Thus, the local search ability is greatly enhanced as well as the diversity of the swarm is effectively maintained. The experimental results show that the algorithm can effectively alleviate the problem of premature convergence and obtain good reconstruction image quality.
Key wordsVector Quantization    Codebook Design    Evolutionary Computation    Particle Swarm Optimization (PSO)   
收稿日期: 2007-04-26     
ZTFLH: TN919.81  
基金资助:国家自然科学基金(No.60472085)、陕西省自然科学基金(No.2006F04)资助项目
作者简介: 李小捷,女,1974年生,博士研究生,主要研究方向为数字信号处理、智能信息处理与图像分析.E-mail:xjli_xa@126.com.许录平,男,1961年生,教授,博士生导师,主要研究方向为探测与制导、智能信息处理与图像分析.杨莉,女,1976年生,博士,主要研究方向为计算机视觉、图像处理、模式识别.
引用本文:   
李小捷,许录平,杨莉. 应用于矢量量化的改进粒子群优化算法*[J]. 模式识别与人工智能, 2008, 21(3): 285-289. LI Xiao-Jie, XU Lu-Ping, YANG Li. An Improved Particle Swarm Optimization Algorithm for Vector Quantization. , 2008, 21(3): 285-289.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2008/V21/I3/285
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn