杨玉婷
- 作品数:2 被引量:28H指数:2
- 供职机构:浙江大学生物医学工程与仪器科学学院生物医学工程教育部重点实验室更多>>
- 发文基金:国家自然科学基金国家科技支撑计划更多>>
- 相关领域:自动化与计算机技术医药卫生更多>>
- 基于讨论机制的头脑风暴优化算法被引量:25
- 2013年
- 为了克服头脑风暴优化(BSO)算法易陷入局部最优导致早熟收敛的问题,提出新型的基于讨论机制的头脑风暴优化(DMBSO)算法.该算法运用组内讨论和组间讨论这一新机制取代BSO算法中的个体更新过程,分别控制算法的全局搜索和局部搜索能力.通过线性递减和线性递增方式调整组间讨论和组内讨论次数,使算法搜索初期加强全局搜索能力,搜索后期加强局部细致搜索能力,有效地防止早熟问题.对6个经典测试函数(BFs)的10维、20维、30维问题分别进行测试来评估DMBSO的效果.结果表明,DMBSO算法与BSO算法和经典的粒子群(PSO)算法相比,可以有效地避免陷入局部最优,稳定地找到更好的最优值,而且随着问题维度的增加,DMBSO表现出更强的鲁棒性.
- 杨玉婷史玉回夏顺仁
- 基于改进头脑风暴优化算法的隐马尔可夫模型运动识别被引量:5
- 2015年
- 目的克服隐马尔可夫模型(hidden Markov model,HMM)训练过程中易陷入局部最优问题,提高基于HMM的人体运动识别准确率。方法提出一种基于带差分步长的头脑风暴优化(brain storm optimization with differential step,BSO-DS)算法来改进HMM训练过程的方法,进而利用该方法对实际人体运动视频进行运动识别,并将结果与经典的基于Baum-Welch(BW)算法的HMM识别结果进行比较分析。结果本文所提方法在解决HMM训练问题时,可以得到更大的log-likelihood值,所得到的HMM可以更好地表达训练数据,其运动识别准确率达到92.2%,较BW算法有较大提升。结论 BSO-DS算法可以有效搜索全局最优,更好地解决HMM的训练问题,同时提升了运动识别准确率,为人体运动分析提供了新思路。
- 杨玉婷段丁娜张欢夏顺仁
- 关键词:头脑风暴优化算法