公共文化服务平台

康强: 作品数：15 被引量：135H指数：8; 供职机构：河南师范大学计算机与信息工程学院更多>>; 发文基金：河南省科技攻关计划河南省基础与前沿技术研究计划项目更多>>; 相关领域：自动化与计算机技术电子电信文化科学更多>>

合作作者

迭代自适应权重均值滤波的图像去噪被引量：15: 2017年; 针对现有滤波方法滤除图像椒盐噪声的性能不理想和耗时长等缺陷,提出了一种迭代自适应权重均值滤波的图像去噪方法(IAWF)。首先,利用图像邻域像素与处理点的相似性采用新型方法构建邻域权重;然后,将此邻域权重与开关裁剪均值滤波结合形成新型权重均值滤波方法,充分利用像素间的相关性和开关裁剪滤波的优势,有效提高了算法的去噪效果,同时采用自适应的方式调整滤波窗口大小,以便尽可能地保护图像细节;最后,采用迭代式滤波方法,即如果上述操作还没有处理完噪声点,则迭代去噪直至噪声点处理完毕,实现自动处理。仿真实验结果表明,在各种不同噪声密度下,IAWF在峰值信噪比(PSNR)、失真度,以及视觉效果等方面均优于现有的几种优秀的滤波算法,且具有更快的运行速度,更适用于实际应用场合。; 张新明程金凤程金凤康强; 关键词：图像去噪自适应滤波椒盐噪声

交叉反向学习和同粒社会学习的粒子群优化算法被引量：9: 2017年; 针对社会学习粒子群优化(SLPSO)算法存在的优化效率低、收敛速度慢等问题,提出了一种改进的SLPSO算法,即基于交叉反向学习和同粒社会学习的PSO算法(CPPSO)。首先,将最优解随机纵向交叉与一般反向学习以及随机反向学习构建交叉反向学习;然后,以此交叉反向学习策略更新种群中的最优粒子位置,增强探索能力,并克服SLPSO中最优粒子无更新导致效率低下的缺点;最后,对于非最优粒子,与SLPSO采用基于维的社会学习不同,均采用新型基于粒子的社会学习机制,在提高全局搜索能力同时,更提高开采能力和搜索效率。在一组不同维基准函数上优化的实验结果表明,CPPSO的优化性能、搜索效率和普适性大幅度领先于SLPSO和其他先进的PSO改进算法,如交叉搜索PSO(CSPSO)算法、自我调节的PSO(SRPSO)算法、异构综合学习的PSO(HCLPSO)算法和反向学习和局部学习能力的PSO(RLPSO)算法。; 张新明康强康强程金凤; 关键词：智能优化算法粒子群优化算法社会学习

差分变异和交叉迁移的生物地理学优化算法被引量：1: 2018年; 为了增强生物地理学优化(BBO)算法的优化性能,提出了一种差分变异和交叉迁移的BBO算法(DCBBO).首先用差分扰动操作替换BBO算法的变异操作,形成差分变异算子,强化了探索能力;其次用基于维度的垂直交叉操作取代BBO算法的迁移操作,形成交叉迁移算子,提升开采能力的同时又注重了探索能力;最后,为平衡算法的探索和开采,将启发式水平交叉操作融入交叉迁移算子中,形成混合交叉迁移算子,进一步提升开采能力.在不同维度的一组常用基准函数上进行了大量实验,结果表明,与其他state-of-the-art算法相比,DCBBO优化能力显著,稳定性更强,运行速度更快.; 张新明康强康强程金凤; 关键词：生物地理学优化算法

灰狼优化与差分进化的混合算法及函数优化被引量：23: 2017年; 灰狼优化(Grey Wolf Optimization,GWO)算法是近年被提出的一种新型智能优化算法,具有收敛速度快和优化精度高的特点,但对于一些复杂优化问题易陷入局部最优。差分进化(Differential Evolution,DE)算法的全局搜索能力强,但其性能对参数敏感,且局部搜索能力不足。为了发挥二者各自的优点并弥补存在的缺陷,提出了一种灰狼优化与差分进化的混合优化算法。首先使用嵌入趋优算子的GWO算法搜索,以便在更短的过程中获得更高的优化精度和更快的收敛速度;然后采用自适应调节参数的差分进化策略来进一步提高算法对复杂优化函数的寻优性能,从而获得一种高性能的混合优化算法,以便能更高效地解决各种函数优化问题。对12个高维函数的优化结果表明,与标准GWO,ACS,DMPSO及SinDE相比,新的混合优化算法不仅具有更好的收敛速度和优化性能,而且具有更好的普适性,更适用于解决各种函数优化问题。; 张新明涂强康强程金凤; 关键词：优化算法混合优化算法差分进化函数优化

融合榜样学习和反向学习的粒子群优化算法被引量：8: 2017年; 为了提高粒子群优化算法(Particle swarm optimization,PSO)的优化效率,降低其陷入局部最优的概率,提出了一种融合榜样学习和反向学习的PSO算法(PSO based on combing Example learning and Opposition learning,EOPSO).首先,对粒子群中的非最优粒子采用新颖的榜样学习机制更新,以便提高全局搜索能力,避免算法陷入局部最优;其次,对粒子群中最优粒子采用反向学习混合机制更新,提升该粒子的搜索能力,进一步避免算法陷入局部最优;最后,对粒子群中的最优粒子还采用了自身变异机制更新,有利于搜索前期的全局搜索和后期的快速收敛.在15个不同维度的基准函数上进行了仿真实验,实验结果表明,与最先进的PSO改进算法ELPSO、SRPSO、LFPSO、HCLPSO相比,EOPSO优化性能更好.; 张新明王霞涂强康强; 关键词：智能优化算法粒子群优化算法榜样学习

基于翻转课堂的混合式教学改革实践——以研究生“高级数据库系统”课程为例: 2018年; 为提升＂高级数据库系统＂课程教学效果和教学质量,解决＂高级数据库系统＂课程教学中存在的问题,提出了一种基于翻转课堂的混合式教学改革模式。首先,分析了研究生计算机技术和软件工程专业的特点;然后,结合＂高级数据库系统＂在河南师范大学的开设现状,将＂互联网＋教育＂模式应用于＂高级数据库＂教学中;最后,结合翻转课堂、蓝墨云班课和微课等,提出一种多种方法相结合的教学方式,并将结合后的方法用于探索研究生课程教学改革。; 程金凤王霞康强康强刘艳; 关键词：课程教学改革

趋优算子和Levy Flight混合的粒子群优化算法被引量：8: 2018年; 针对Levy Flight粒子群优化算法(LFPSO)普适性不强和搜索效率不高等问题,提出了一种改进的LFPSO算法(ILFPSO),即趋优算子与Levy Flight混合的粒子群优化算法。首先,对Levy Flight进行改进,防止产生无效解,得到改进的Levy Flight;然后,将既有一定全局搜索能力又有较强局部搜索能力的趋优算子与改进的Levy Flight有机融合,以便更好地平衡算法的全局和局部搜索能力;最后,对速度边界动态调整,有利于搜索前期找到全局最优点和搜索后期找到局部最优解。28个benchmark函数优化仿真结果表明,与4种最先进的PSO改进算法LFPSO、ELPSO、SRPSO和RLPSO相比,ILFPSO更具有竞争性的优化性能、更好的普适性和更快的运行速度。; 张新明王霞涂强涂强; 关键词：智能优化算法 LEVY FLIGHT 粒子群优化算法

差分迁移和趋优变异的生物地理学优化算法被引量：10: 2018年; 为增强生物地理学优化(Biogeography-based optimization,BBO)算法的优化性能,降低其运行时间,提出了一种差分迁移和趋优变异的生物地理学优化算法(DGBBO).首先,将两种差分扰动操作与BBO算法的迁移操作有机融合,形成差分迁移算子,提升全局搜索能力并平衡探索和开采;其次,将趋优操作融入到BBO算法的变异算子中,替换原变异操作,形成趋优变异算子,克服了原变异算子存在的缺陷,加快收敛速度;此外,还从多个角度降低算法的计算复杂度.在一组常用的基准函数上进行了仿真实验,实验结果表明,相较于其它state-of-the-art算法,DGBBO算法寻优能力显著,稳定性强,收敛速度快,运行时间少,验证了其优秀的优化性能.; 张新明康强康强程金凤; 关键词：进化算法生物地理学优化算法

改进的混合蛙跳算法及其在多阈值图像分割中的应用被引量：10: 2018年; 针对混合蛙跳算法(Shuffled Frog Leaping Algorithm,SFLA)存在的计算复杂度高、优化效率不理想等问题,提出了一种改进的混合蛙跳算法(Improved Shuffled Frog Leaping Algorithm,ISFLA)。在原始SFLA的基础上进行如下改进:首先,将其中每次只更新组内最差青蛙的方式改为更新组内所有青蛙的方式,这既增大了获得优质解的概率,又省去了调整组内迭代次数的步骤,从而提升了优化效率和可操作性;其次,将基于局部最优更新的方法和基于全局最优更新的方法融合为一种混合扰动更新方法,从而避免了复杂条件的选择步骤,进一步提升了优化效率;最后,去掉随机更新方式,以免优质解被破坏,从而提高了整体的优化性能。将ISFLA用于CEC2005和CEC2015连续基准函数的优化测试和基于Renyi熵的灰度和彩色图像分割的多阈值选择实验中,结果表明,与SFLA和state-of-the-art的LSFLA相比,ISFLA具有更高的优化效率,更适用于多阈值图像分割的阈值选择。; 张新明程金凤程金凤康强; 关键词：智能优化算法混合蛙跳算法图像分割多阈值图像分割 RENYI熵

融合细菌觅食趋化算子的生物地理学优化算法被引量：3: 2016年; 针对高维多阈值彩色图像分割中由于维数高带来阈值搜索困难等问题,提出了一种融合细菌觅食算法(BFO)趋化算子的混合生物地理学算法(hybrid biogeography-based optimization,HBBO).首先构建一种嵌入变异操作的迁移算子,去掉BBO算法原有的变异算子;其次将细菌觅食算法中具有较强局部搜索能力的趋化算子的趋化步长固化为1,将此趋化算子与改进的迁移算子融合,并将精英保留策略换成贪婪选择算子,形成混合BBO算法;最后将HBBO算法应用到高维Tsallis熵多阈值彩色图像分割中.实验结果表明,与目前的MABC、IDPSO、MBFO和BBO-M算法相比,HBBO算法在高维多阈值图像分割中有更好的优化性能、更快的运行速度和更强的稳定性.; 张新明康强涂强程金凤; 关键词：生物地理学优化算法彩色图像分割多阈值分割 TSALLIS熵

康强

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

康强

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈