针对目标识别过程中识别精度不高、实时性不好的问题，提出基于尺度不变特征转换（SIFT）算法的改进算法，该算法通过研究传统的SIFT算法特征匹配正确率不高、匹配耗时过长的问题，结合Harris算子角点检测特性提出改进，在高斯差分尺度空间内直接检测角点，使得提取的特征点数目减少，计算量降低，特征点提取的显著性提高；同时使用RANSANC方法进行特征匹配约束，减少误匹配，进一步提升目标识别的正确率。为了验证提出算法的有效性，通过MATLAB对算法在尺度变化和噪声等复杂情况下的匹配效果进行实验验证，结果表明，改进的SIFT算法匹配用时大大降低、误匹配较少，匹配正确率提高，具有较强的鲁棒性，可以准确识别目标，具有良好的目标识别能力。
2021-10-08 10:01:37
910KB
1
针对电力负荷的小样本、非线性、高维数和局部极小点等问题,提出采用最小二乘支持向量机方法建模,以历史负荷、温度、湿度等数据作为输入量,对短期电力负荷进行预测;针对最小二乘支持向量机在建模中存在的参数选取问题,采用一种根据种群多样性信息来指导初始种群选取和避免粒子早熟收敛现象的改进粒子群优化算法来优化最小二乘支持向量机的惩罚因子和核参数。仿真结果表明,基于改进粒子群优化算法和最小二乘支持向量机的短期电力负荷预测方法较最小二乘支持向量机预测方法、基于基本粒子群优化算法和最小二乘向量机的预测方法具有更好的预测精确度。
2021-10-02 16:29:05
251KB
1
matlab语言编写的PSO算法代码，和改进措施
2021-09-28 18:04:21
66KB
为了更好地改善多目标粒子群优化算法的收敛性和多样性的pso 算法
2021-09-28 18:03:56
3KB