细菌觅食算法在图像压缩中的应用.doc

上传人:李医生 文档编号:7196521 上传时间:2020-11-05 格式:DOC 页数:33 大小:66KB
返回 下载 相关 举报
细菌觅食算法在图像压缩中的应用.doc_第1页
第1页 / 共33页
细菌觅食算法在图像压缩中的应用.doc_第2页
第2页 / 共33页
细菌觅食算法在图像压缩中的应用.doc_第3页
第3页 / 共33页
细菌觅食算法在图像压缩中的应用.doc_第4页
第4页 / 共33页
细菌觅食算法在图像压缩中的应用.doc_第5页
第5页 / 共33页
点击查看更多>>
资源描述

《细菌觅食算法在图像压缩中的应用.doc》由会员分享,可在线阅读,更多相关《细菌觅食算法在图像压缩中的应用.doc(33页珍藏版)》请在三一文库上搜索。

1、本文档下载自文库下载网,内容可能不完整,您可以点击以下网址继续阅读或下载:http:/ 邵子博, 糜华, 吴青华, CHU Ying, Z.B.SHAO, MI Hua, Q.H.WU储颖,糜华,CHU Ying,MI Hua(深圳大学信息工程学院,深圳,518060), 邵子博,Z.B.SHAO(伦敦大学学院电子工程系,伦敦 WC1E 7JE,英国), 吴青华,Q.H.WU(利物浦大学电气电子工程系,利物浦 L69 3GJ,英国)深圳大学学报(理工版)JOURNAL OF SHENZHEN UNIVERSITY(SCIENCE & ENGINEERING)2008,25(2)3次刊名:英文刊

2、名:年,卷(期):被引用次数: 参考文献(20条) 1.尹显东.李在铭.姚军 图像压缩标准研究的发展与前景期刊论文-信息与电子工程 2003(04)2.高红.惠晓威.杨峰 基于BP人工神经网络的图像压缩技术研究与改进 2007(30)3.郑建华 http:/ 2001(02)4.陈聆.闫海波.毛万标 基于粒子群优化的BP神经网络模型参考自适应控制系统期刊论文-成都理工大学学报(自然科学版) 2007(06)5.潘志铭.林少聪.李霞 带运力限制车辆路径问题的简易蚁群算法实现期刊论文-深圳大学学报(理工版)2005(03)6.Passino K M 细菌觅食生物仿生-分布式优化与控制 2002(0

3、3)7.Rumelhart D E.Hinton G E.Williams R J 反向传播误差的学习表示 1986(09)8.丛爽 面向Matlab工具箱的神经网络理论与应用 19989.Li J B.Chung Y K 一种基于蚁群优化算法设计的新型反向传播网络训练算法 200510.Tang W J.Wu Q H.Saunders J R 用于全局优化的细菌群集算法 200711.YIN Xian-dong.LI Zai-ming.YAO Jun A survey on trends of image compression coding standards期刊论文-Informatio

4、n and Electronic Engineering 2003(04)12.GAO Hong.HUI Xiao-wei.YANG Feng Research and improvement on image compression technique based onBP artificial neural network 2007(02)13.ZHENG Jian-hua BP neural network for image data compression期刊论文-Computer Simulation2001(02)14.CHEN Ling.YAN Hai-bo.MAO Wan-b

5、iao BP neural network model reference adaphttp:/ control system basedon the particle swarm optimizer 2007(06)15.PAN Zhi-ming.LIN Shao-cong.LI Xia A simplified ant colony algorithm for capacity-constrainedvehicle routing problem期刊论文-Journal of Shenzhen University(Science & Engineering) 2005(03)16.Pas

6、sino K M Biomimicry of bacterial foraging-for distributed optimization and control 2002(03)17.Rumelhart D E.Hinton G E.Williams R J Learning representations by back-propagating errors1986(09)18.CONG Shuang Theory and Application of Neural Networks Using Matlab Toolbox 199819.Li J B.Chung Y K A novel

7、 back-propagation neural network training algorithm designed by an antcolony optimization会议论文 200520.Tang W J.Wu Q H.Saunders J R A bacterial swarming algorithm for global optimization 2007相似文献(10条)1.期刊论文 朱鲁夫.程存归.王森清 人工神经网络误差反向传播法测定复方苯甲酸涂剂中苯甲酸与水杨酸的含量 -医药导报2005,24(1)目的对紫外光谱重叠的复方苯甲酸涂剂进行多组分不经分离的含量测定.方法

8、采用人工神经网络误差http:/ 周娜 BP人工神经网络紫外吸收光谱法直接测定COD研究 2006目前,我国COD自动在线监测仪的设计原理大部分是基于国家标准方法,即模拟传统湿化学法将分析过程在线化。由于样品仍然必须先加热消解后测定,因而分析周期长;加之方法采用试剂多,管路系统复杂,操作维护麻烦,故障率高;此外排放物还带来严重的“二次污染”,因此,研制开发简便、快速、可靠、无二次污染的水质COD自动在线监测仪具有十分重要的意义。废水中COD值的大小主要取决于其中有机物的组成和浓度。已有工作表明,大多数有机物在紫外光谱区有很强的吸收。在一定的条件,有机物的吸光度与COD有很好的相关性,利用这种相

9、关性,可以用紫外吸光度来直接测定COD。这是一种既不用化学试剂、也无须对样品加热消解、测定快速、简便的方法。本文从有机物的紫外吸收光谱入手,选择有一定代表性的某些有机物,探讨其紫外吸收规律与有机物含量的关系,采用误差反向传播人工神经网络(BackPropagation Artificial Neural Network,简称BP-ANN),借此建立紫外吸收光谱直接测定废水COD的化学计量学方法,并利用此模型对模拟废水样和实际废水样进行预测。本文利用LmNetPF(V2.4)神经网络通用平台完成建模和相关的数学运算。LmNetPF采用BP算法中的Levenberg-Marquardt动量项法实现

10、,该法具有训练速度快、学习时间短的特点。通过训练网络得出最佳网络参数为:学习速率1,动量项0.0001,输入层至中间层传递函数为双曲正切s型函数,中间层至输出层为线性型函数,BP网的拓扑结构为26(输入层节点数)-25(隐含层节点数)-1(输出层节点数)。本文采用37个样本训练集建立的BP-ANN模型,预测自配模拟废水结果较好,相对误差、N0。等无机离http:/ 曹永生.陈奕卫.祖金凤.朱金林.徐学诚.成荣明 反向传播人工神经网络分光光度法同时测定环境水样中的苯酚、间苯二酚和间氨基酚 -光谱学与光谱分析2003,23(4)本文应用人工神经网络原理, 采用误差反向传播算法, 对环境水样中的苯酚

11、、间苯二酚和间氨基酚可以用分光光度法不经分离进行了同时测定. 三种酚类的平均回收率分别为98.0%, 99.6%和99.7%. 实验证明, 反向传播-人工神经网络方法应用在本体系中进行结果校正, 结果令人满意.4.会议论文 李永明.祝言菊.李旭.俞集辉.汪泉弟 人工神经网络在电磁兼容预测中的应用研究 2008本文提出了应用人工神经网络对电磁兼容问题进行快速预测的方法。通过选择有效的电磁干扰参数作为输入预测因子,用基于误差反向传播的神经网络(Error BackPropagation,BP)构造输入预测因子与敏感设备骚扰响应之间的映射关系,并用电磁场数值计算方法获得的训练样本集和测试样本集对构造

12、好的BP网络进行训练,建立了基于BP网络的电磁兼容快速预测模型。最后以导线间的串扰问题为预测算例,表明了该方法的有效性。5.期刊论文 陈敏 反向传播人工神经网络与肝癌患者血清酶谱分析 -中国医院统计2002,9(1)人工神经网络(Artificial Neural Network,ANN)是现代脑神经科学研究成果的基础上,于20世纪80年代中期迅速发展起来的一门处理非线性系统问题的学科.它具有人脑功能的基本特性,在人工智能、模式识别、数据处理等领域有着广泛的应用前景,是当前许多学科竞相研究和应用的前沿课题12.6.期刊论文 庞涛涛.姚建斌.杜黎明.PANG Thttp:/ Jian-bin.DU Li-ming 人工神经网络分类鉴别苦丁茶红外光谱 -光谱学与光谱分析2007,27(7)为了分类鉴别苦丁茶,采用竞争神经

展开阅读全文
相关资源
猜你喜欢
相关搜索

当前位置:首页 > 科普知识


经营许可证编号:宁ICP备18001539号-1