国家自然科学基金(61171124)
- 作品数:6 被引量:29H指数:4
- 相关作者:李霞陈小红王娜李军蔡良伟更多>>
- 相关机构:深圳大学清华大学更多>>
- 发文基金:国家自然科学基金深圳市基础研究计划项目深圳市科技计划项目更多>>
- 相关领域:自动化与计算机技术更多>>
- 基于改进四元傅里叶变换的显著性检测及其视频编码应用被引量:4
- 2015年
- 针对基于感兴趣区域的有损视频压缩在低码率编码条件下容易产生明显的编码人工痕迹,提出一种基于注意力权重矩阵的四元傅里叶变换的视觉显著性视频编码模型。该方法引入人眼视觉注意力权重矩阵对不同区域图像四元数予以加权,该四元数由图像的亮度、色度和运动特征组成。图像视觉显著图可由其四元数特征的四元傅里叶相位谱获取。结合中心凹恰可觉察失真(FJND)模型将其应用于基于感兴趣区域视频编码,可提高视频编码质量。与五种流行的显著性检测算法在两个大型眼动跟踪数据库上进行对比实验,结果表明提出的算法显著性检测精度明显高于对比算法。此外,与最新的基于显著性视频编码方法在10段标准视频上进行编码视频的主观质量对比,该方法能提高低码率编码视频的主观视觉质量,且优于对比算法。
- 李富生李霞陈宇
- 关键词:显著性检测视频编码
- 高维多目标优化中基于稀疏特征选择的目标降维方法被引量:14
- 2015年
- 目标降维算法通过去除冗余的目标达到简化问题规模的目的,为求解高维多目标优化问题提供了一种新的思路和方法.近似解集的几何结构特征和Pareto占优关系从不同侧面反映了多目标优化问题的内在结构特性,而现有算法仅利用其中一种特征分析目标之间的关系,具有较大局限性.本文提出基于稀疏特征选择的目标降维方法,该方法利用近似解集的几何结构特征构建稀疏回归模型,求解高维目标空间映射为低维目标子空间的稀疏投影矩阵,依据此矩阵度量目标的重要性,并利用Pareto占优关系改变程度选择满足误差阈值的目标子集,实现目标降维.通过与其他已有目标降维算法比较,实验结果表明本文提出的降维算法具有较高的准确性,并且受近似解集质量的影响较小.
- 陈小红李霞王娜
- 车辆路径问题的快速多邻域迭代局部搜索算法被引量:2
- 2015年
- 对于容量约束的车辆路径问题( capacitated vehicle routing problem, CVRP)以及容量和最大行驶距离约束的车辆问题( capacitated and distance constrained vehicle routing problem, CDVRP),邻域解的评估包含了适应值计算及合法性评估.设计一种可变长编码的可行解表示,提出用于CVRP/CDVRP问题的邻域解合法性快速评估策略.该策略针对交换、插入、2-opt和2-opt?四种常用的局部搜索算子,通过引入前载重、后载重、前向距离和后向距离的概念,实现了邻域解合法性的快速评估.将改进后的局部搜索算子与迭代局部搜索( iterated local search, ILS)算法相结合,提出用于车辆路径问题的快速多邻域迭代局部搜索( fast multi-neighborhood ILS, FMNILS)算法.该快速评估策略将评估一个邻域解的时间复杂度由O( N)降至O(1),算法仿真结果表明, FMNILS算法运算能力的提高大致与配送路线所服务的客户数成正比;对客户数介于200~500的容量/最大距离约束VRP问题,该算法能在短时间内获得较满意解,平均求解精度1.2%以内,平均耗时约96 s,仅为对比算法的6%或更少.
- 刘万峰李霞
- 关键词:人工智能启发式算法车辆路径问题可变长编码
- 基于蚁群优化的正则表达式分组算法被引量:2
- 2014年
- 依据Becchi算法的思想基础,提出基于蚁群优化的改进正则表达式分组算法.根据正则表达式间分组的特点,定义正负影响关系的冲突信息和启发函数,构建信息素更新策略.实验结果表明,该算法较Becchi算法能更加客观合理地反映模式集中正则表达式间的优化合并信息,能有效减少状态数量,达到总状态数最优解,降低正则表达式匹配的复杂度.
- 蔡良伟刘思麒李霞李军
- 关键词:蚁群优化算法深度包检测正则表达式信息素网络安全
- 基于遗传算法的正则表达式规则分组优化被引量:4
- 2015年
- 为解决正则表达式匹配问题,提出一种基于正态自适应遗传优化的改进正则表达式分组算法.根据迭代次数的变化,利用正态函数自适应改变交叉概率Pc和变异概率Pm,采取最优保存策略保证最优个体不被数值大的Pc和Pm破坏.结合Becchi算法和局部寻优算法进一步优化.仿真结果表明,该算法能在全局范围内搜索到更好的解,能有效减少状态总数,降低正则表达式匹配的空间复杂度.
- 蔡良伟程璐李军李霞
- 关键词:人工智能深度包检测正则表达式网络安全
- 多目标混合蛙跳算法中改进的种群分割方法被引量:4
- 2014年
- 种群分割方法是混合蛙跳算法最重要的组成部分之一,直接影响算法的性能。针对多目标混合蛙跳算法,提出一种新的种群分割方法。该方法将代表潜在最优区域的非支配个体集合通过聚类的方式划分族群,目的是使不同族群在不同区域进行局部搜索,避免算法早熟。被支配个体则根据其与非支配个体集合的近似度分配到族群中,并通过随机加入其他族群个体的方式提高本族群的多样性。实验结果表明,相对于其他种群分割方法,本文的方法在提高多目标混合蛙跳算法的收敛性能和收敛速度方面都具有一定的优势,而且对于目标个数较多的问题也能获得较好的结果。
- 陈小红李霞王娜
- 关键词:多目标优化混合蛙跳算法聚类