Wolfe线搜索下的一个修正DY谱共轭梯度法

对比传统梯度法,谱梯度算法有很好的加速效果。在经典DY型共轭梯度法的基础上,提出了一种修正DY谱共轭梯度法,利用Wolfe线搜索步长规则,在适当的假设条件下证明了算法的全局收敛性。     

一种改进的共轭梯度法及全局收敛性

本文在DY共轭梯度法的基础上对解决无约束最优化问题提出一种改进的共轭梯度法.该方法在Wolfe线搜索下能够保证充分下降性,并在目标函数可微的条件下,证明了算法的全局收敛性.大量数值试验表明,该方法是很有效的.     

基于PRP公式修正的有效共轭梯度算法

给出一种非负且带有调比因子的修正PRP共轭梯度法参数公式.基于该共轭参数公式,采用SWP线搜索的对应共轭梯度算法满足充分下降性,采用WWP线搜索的对应谱共轭梯度算法保持下降性.在常规假设条件下,证明了算法的全局收敛性,数值实验结果表明算法是有效的.     

一种Wolfe线搜索下的混合共轭梯度法

一般情况下,求解大规模无约束优化问题的有效算法是共轭梯度法。共轭梯度法的关键是选取αk和βk,不同的αk和βk决定了不同的共轭梯度算法。在HS方法和DY方法的基础上,给出了一种求解无约束问题的混合共轭梯度算法,并在Wolfe性搜索下证明了算法的全局收敛性。     

一类修正的 FR 型谱共轭梯度法

提出了一类WFR型谱共轭梯度法,并且该算法在任何线搜索下都具有充分下降性.在标准Wolfe线搜索下,证明了新算法具有全局收敛性.数值实验结果表明新算法优于VFR法.     

关于Backtracking线搜索的一个注记

首次指出，与Ｗｏｌｆｅ线搜索，Ｇｏｌｄｓｔｅｉｎ线搜索和精确线搜索等不同，在一般下降算法模型中使用Ｂａｃｋｔｒａｃｋｉｎｇ线搜索并不能保证全局收敛性。提出了一个改进方案，并在证明线搜索下降算法模型的一个一般全局收敛性定理的基础上，证明改进Ｂａｃｋｔｒａｃｋｉｎｇ线搜索方法能够保证全局收敛性。给出了改进Ｂａｃｋｔｒａｃｋｉｎｇ线搜索的下降算法至少线性收敛的一个充要条件。     

两类Armijo-type线搜索下的PRP新算法

给出了新的PRP算法,该算法具有充分下降性和在无需任何线搜索的情况下自动保持搜索方向在可行域的特性,而且该算法在非凸函数和一致凸函数上具有全局收敛性,最后证明了新算法的线性收敛速度.     

基于禁忌搜索的模糊神经网络分类器设计

提出了一种基于禁忌搜索的模糊神经网络分类器设计算法．该方法首先从训练样本中自动获取分类规则,构成模糊神经网络的初始网络结构,然后采用基于禁忌搜索和梯度下降法的混合算法同时优化模糊神经网络的结构和参数．使用IRIS数据集对所提出的方法进行性能测试,结果表明该方法能使用较少的分类规则获得很好的分类效果．     

一类修正的LS共轭梯度法的全局收敛性及其数值试验

提出一类带有新的参数公式的求解无约束优化问题的修正LS共轭梯度法.在适当条件下,分别证明算法在广义Wolfe-Powell线搜索和强Wolfe-Powell线搜索下全局收敛.数值试验表明该算法有较好的收敛效果.     

一种基于PSO-RBF神经网的入侵检测方法

针对传统基于K-均值聚类的RBF神经网络训练方法中,隐层参数训练结果易受初始值影响而陷入局部极小解,最终导致整个网络收敛速度慢、性能下降等问题,提出了基于粒子群算法(PSO)和K-均值相结合的径向基神经网络(RBF)训练算法.该算法利用PSO的全局搜索能力形成最优解邻域,K-均值算法在该邻域进行局部搜索,这样既利用了PSO算法的全局最优解搜索能力,同时也利用了K-均值算法收敛速度快的优点.试验结果表明该算法有效地解决了基于K-均值训练算法易陷入局部极小解的不足.文中将基于上述训练方法的RBF神经网应用到入侵检测系统中,试验结果同基于传统K-均值、遗传算法和RPCL算法训练的RBF方法进行比较,结果表明本文建议的方法在检测性能和训练时间上都有明显提高.     

一种新的求解无约束优化问题的谱共轭梯度法

在修正的Wei-Yao-Liu共轭梯度法基础上,给出一种新的求解无约束优化问题的谱共轭梯度算法,该算法在强wolfe型线搜索下具有充分下降性和全局收敛性,数值实验结果表明该算法是有效的.     

一类非单调三参数共轭梯度算法研究

虽然求解无约束优化问题共轭梯度方法的算法程序便于计算机上实现,但难于建立算法的全局收敛性理论.为弥补其不足,研究了一类新的共轭梯度算法.该算法搜索方向的构造中引入了3个参数,且通过合适地选取这些参数保证了所得搜索方向不依赖于线搜索技术,是目标函数的恒充分下降方向.以此为基础,提出了一种求解无约束优化问题的非单调三参数共轭梯度法,并在一定的假设条件下建立了算法的全局收敛性理论.数值实验进一步验证了这种算法比同类算法更有效.     

一类修正PRP共轭梯度法的全局收敛性及其数值试验结果

提出一类求解无约束优化问题的修正PRP共轭梯度法.算法采用一个新的参数公式,利用该参数公式的非负特性,在适当条件下,分别证明算法在弱Wolfe-Powell线搜索和Grippo-Lucidi线搜索下全局收敛.最后给出了数值试验结果.     

改进共轭梯度法的收敛性

提出一类PRP,HS,LS共轭梯度法的修正参数公式,改进方法的搜索方向自动充分下降.在标准WWP线搜索和新型MWWP线搜索下,证明了算法的全局收敛性.数值实验表明算法结果是有效的.     

Wolfe线搜索下充分下降性的FR型共轭梯度法

在FR共轭梯度法的基础之上,提出了一种新的共轭梯度法.在标准的Wolfe线搜索下,证明了该算法的充分下降性和收敛性.最后,给出初步的数值实验结果并表明该方法是有效的.     

棉田复杂背景下棉花叶片分割方法

【目的】解决棉田复杂背景下棉花叶部病害快速识别问题,为提出一种快速提取棉花植株和分割棉花叶片的方法。【方法】通过棉花植株的RGB颜色特征将植株与土壤进行分离,结合形态学处理技术和彩色分割方法,将植株的茎秆去除,保留棉花叶片部分;分别使用广度搜索分割算法、分水岭分割算法和轮廓搜索分割算法,对棉花叶片图像进行分割提取。【结果】基于广度搜索的分割算法将叶片轮廓搜索出来与原图融合分离出叶片,该算法对于图像结构简单的情况分割效果较好,通过对应的drawContours函数将每个轮廓画出,再与原图定位,将叶片的完整信息也轮廓结合,实现叶片的分离。【结论】基于距离变换的分水岭分割算法存在过分割问题,基于广度搜索分割算法与边缘检测结合对于叶片结构清楚图像分割效果显著,与轮廓搜索算法相比,后者的适用性更广,提取的轮廓层次结构也清楚,分割效果最佳。     

基于禁忌搜索的模糊神经网络分类器设计

提出了一种基于禁忌搜索的模糊神经网络分类器设计算法.该方法首先从训练样本中自动获取分类规则,构成模糊神经网络的初始网络结构,然后采用基于禁忌搜索和梯度下降法的混合算法同时优化模糊神经网络的结构和参数.使用IRIS数据集对所提出的方法进行性能测试,结果表明该方法能使用较少的分类规则获得很好的分类效果.     

求解大规模非光滑优化问题的一种修正Hestenes-Stiefel共轭梯度算法

利用Moreau-Yosida正则化技术和非单调线搜索技术,设计了一种针对大规模非光滑优化问题的修正Hestenes-Stiefel共轭梯度算法.该算法的搜索方向不仅自动满足充分下降条件,而且属于信赖域.在适当条件下,新算法全局收敛.初步的数值实验也表明新算法对于求解大规模非光滑无约束凸优化问题是有效的.     

数据挖掘中关联规则的小生境遗传算法

根据关联规则挖掘的要求与特点,提出了一种新的基于小生境遗传算法的关联规则挖掘方法,该算法可以有效解决传统遗传算法搜索过早收敛的缺陷,实验结果显示,该方法能高效地解决关联规则挖掘问题。     

求解无约束优化问题的一种新的谱共轭梯度法

在修正LS算法的基础上,对谱系数βk进行变形,并采用谱共轭梯度算法的迭代格式,提出了求解无约束优化问题minf(x),x∈Rn(f(x):Rn→R为连续可微函数)的一种新的谱共轭梯度法,对其充分下降性和全局收敛性进行了研究。结果表明,该算法在标准的Wolfe非精确线搜索下能满足充分下降性。在标准的Wolfe线搜索下具有全局收敛性。