国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

?

基于ADAM-GWO的自動(dòng)FRFCM算法

2020-11-23 05:11:08李金麗胡星宇劉起彤
無(wú)線互聯(lián)科技 2020年17期
關(guān)鍵詞:數(shù)目魯棒性步長(zhǎng)

王 璇,李金麗,胡星宇,劉起彤

(河南師范大學(xué),河南 新鄉(xiāng) 453000)

0 引言

圖像分割是指將一幅圖像分解為若干互不交迭區(qū)域的集合,是圖像處理與機(jī)器視覺(jué)的基本問(wèn)題之一[1]。聚類分析是無(wú)監(jiān)督模式識(shí)別的重要分支之一[2],但現(xiàn)今大多數(shù)的無(wú)監(jiān)督模糊聚類算法都是提前設(shè)定聚類數(shù)目。因模糊C均值聚類(Fuzzy C-Means,F(xiàn)CM)對(duì)噪聲敏感導(dǎo)致計(jì)算復(fù)雜度高的問(wèn)題。針對(duì)上述問(wèn)題,本文提出了一種基于ADAM-GWO的自啟動(dòng)FRFCM算法,其主要改進(jìn)分為兩部分:一是自動(dòng)確定聚類數(shù)目;二是降低模糊聚類算法(Fuzzy C-Means,F(xiàn)CM)的計(jì)算復(fù)雜度。

1 ADAM-GWO與FRFCM算法

為了使最佳位置的更新更加高效,引入自適應(yīng)矩估計(jì)(AdaptiveMomentEstimation,ADAM)產(chǎn)生適應(yīng)度W用來(lái)更新最佳位置。首先將ADAM引入灰狼優(yōu)化算法(Grey Wolf Optimizer,GWO),為了使算法更具有魯棒性,在此設(shè)定梯度g,其設(shè)定規(guī)則如下:

(1)

式(1)中,Xi是當(dāng)前解,通過(guò)目標(biāo)函數(shù)計(jì)算得出Yi,梯度g是目標(biāo)函數(shù)f對(duì)X的偏導(dǎo)數(shù)向量,使梯度更具有靈活性。

接著利用梯度g計(jì)算、更新一階矩估計(jì)m、二階矩估計(jì)v。

(2)

式(2)中,β1,β2為矩估計(jì)的指數(shù)衰減速率,計(jì)算修正一階矩偏差、二階矩偏差。

(3)

式(3)中,t為當(dāng)前更新次數(shù)。最后,進(jìn)行適應(yīng)度因子W的更新,定義如下:

(4)

其中α為學(xué)習(xí)步長(zhǎng),即適應(yīng)學(xué)習(xí)率,m是信號(hào)量,而v是噪音量。當(dāng)噪音大時(shí),步長(zhǎng)小;噪音小時(shí),步長(zhǎng)大。

2 仿真實(shí)驗(yàn)

2.1 ADAM-GWO相關(guān)實(shí)驗(yàn)

本文通過(guò)10種基準(zhǔn)函數(shù)對(duì)算法性能進(jìn)行測(cè)試,即Sphere(f1),Schwefel2.22(f2),Schwefel1.2(f3),Schwefel2.21(f4),Rosenbrock(f5),Step(f6),Quartic(f7),Sumsquare(f8),Rastrigin(f9),Ackley(f10)。

重復(fù)實(shí)驗(yàn)多次,實(shí)驗(yàn)結(jié)果如表1所示。

表1 ADAM-GWO與現(xiàn)有其他算法最優(yōu)解的對(duì)比數(shù)據(jù)(平均值)

從表1的實(shí)驗(yàn)結(jié)果可以看出,本算法對(duì)于f6的求解要明顯優(yōu)于其他算法,而f6為Step函數(shù),是典型的階躍性的過(guò)渡函數(shù),常用來(lái)描述離散域內(nèi)的求解,再次驗(yàn)證了本算法針對(duì)求解聚類數(shù)目的有效性。

2.2 基于ADAM-GWO的自動(dòng)FRFCM算法實(shí)驗(yàn)

為了驗(yàn)證本算法對(duì)最佳聚類數(shù)目確定的有效性及準(zhǔn)確性,首先進(jìn)行仿真實(shí)驗(yàn)參數(shù)設(shè)定:在ADAM-GWO的自啟動(dòng)FRFCM中,設(shè)置迭代次數(shù)T=100。在FRFCM中,設(shè)定模糊化參數(shù)m為2、濾波窗口的大小w為3,在與對(duì)比實(shí)驗(yàn)環(huán)境和參數(shù)設(shè)置相同的情況下,將本算法運(yùn)行50次,實(shí)驗(yàn)結(jié)果取平均值。

從表2可以清晰地看出聚類數(shù)目與SA性能的關(guān)系,為了進(jìn)一步證明本算法獲得的聚類數(shù)目、驗(yàn)證算法性能程度,我們用UCI機(jī)器學(xué)習(xí)庫(kù)的4個(gè)數(shù)據(jù)集進(jìn)行模擬仿真實(shí)驗(yàn),對(duì)比結(jié)果表明,本文提出的算法可獲得最優(yōu)的聚類數(shù)目。

表2 不同數(shù)量的聚類數(shù)目的SA指標(biāo)數(shù)據(jù)

3 結(jié)語(yǔ)

本文針對(duì)解決傳統(tǒng)模糊聚類中聚類數(shù)目需要人為設(shè)定的問(wèn)題,提出了一種基于ADAM-GWO的自啟動(dòng)FRFCM算法。通過(guò)引入ADAM對(duì)GWO進(jìn)行優(yōu)化,增加適應(yīng)度因子W更新位置方程,使其求解聚類數(shù)目效果更佳。實(shí)驗(yàn)結(jié)果表明 ADAM-GWO在優(yōu)化效率、性能和魯棒性方面比其他現(xiàn)有算法等有了較大的改善。

猜你喜歡
數(shù)目魯棒性步長(zhǎng)
有機(jī)物“同分異構(gòu)體”數(shù)目的判斷方法
基于Armijo搜索步長(zhǎng)的BFGS與DFP擬牛頓法的比較研究
荒漠綠洲區(qū)潛在生態(tài)網(wǎng)絡(luò)增邊優(yōu)化魯棒性分析
基于確定性指標(biāo)的弦支結(jié)構(gòu)魯棒性評(píng)價(jià)
基于非支配解集的多模式裝備項(xiàng)目群調(diào)度魯棒性優(yōu)化
《哲對(duì)寧諾爾》方劑數(shù)目統(tǒng)計(jì)研究
西南交通大學(xué)學(xué)報(bào)(2016年6期)2016-05-04 04:13:11
牧場(chǎng)里的馬
基于逐維改進(jìn)的自適應(yīng)步長(zhǎng)布谷鳥搜索算法
一種新型光伏系統(tǒng)MPPT變步長(zhǎng)滯環(huán)比較P&O法
陆河县| 叶城县| 辛集市| 冷水江市| 德兴市| 天等县| 施秉县| 福州市| 霸州市| 西宁市| 屏东市| 靖远县| 南京市| 黔江区| 屯留县| 太湖县| 鱼台县| 蓬溪县| 墨玉县| 东丰县| 绥棱县| 会昌县| 古田县| 乐至县| 麻城市| 岗巴县| 绿春县| 漾濞| 郴州市| 呼玛县| 鄯善县| 临城县| 云阳县| 西城区| 信宜市| 嵊泗县| 盐边县| 简阳市| 紫金县| 白玉县| 贵州省|