应用于矢量量化的改进粒子群优化算法

被引：2

作者：

李小捷 ^{[1
]}

许录平 ^{[1
]}

杨莉 ^{[2
]}

机构：

[1] 西安电子科技大学电子工程学院

[2] 上海交通大学微电子学院

来源：

模式识别与人工智能 | 2008年 / 21卷 / 03期

关键词：

矢量量化; 码书设计; 进化计算; 粒子群优化(PSO);

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

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（IPSOVQ）.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.

引用

页码：285 / 289

页数：5