蚁群算法在求解TSP(旅行商)问题时存在收敛速度慢、容易陷入局部最优的缺点,遗传算法具有较强的全局搜索能力而被广泛采用。然而,遗传算法是基于二进制编码的交叉和变异操作,对TSP问题中的城市序列并不适用。结合蚁群算法和遗传算法提...蚁群算法在求解TSP(旅行商)问题时存在收敛速度慢、容易陷入局部最优的缺点,遗传算法具有较强的全局搜索能力而被广泛采用。然而,遗传算法是基于二进制编码的交叉和变异操作,对TSP问题中的城市序列并不适用。结合蚁群算法和遗传算法提出了一种新的ACAG(the Algorithm Combined by ACA and GA)算法。通过在蚁群算法中引入贪心策略,选取下一城市时,把选择范围限定在离当前城市最近的部分城市中,能迅速提高搜索速度,快速收敛到较优解。在蚁群算法迭代一定次数后动态过渡到遗传算法,利用遗传算法全局、快速搜索的特点,对解空间进行扩充,能有效避免陷入局部最优,较快的得到最优解。实验结果表明,算法性能明显优于传统的蚁群算法和遗传算法。展开更多
为了更好地利用人脸图像中所蕴含的生物信息来提升人脸年龄估算的精确度,提出了一种基于主动形状与局部二值模式的年龄估算方法(An Age Estimation Method Based on Active Shape Model and Local Binary Pattern,AEM-ASLB)。首先,提取...为了更好地利用人脸图像中所蕴含的生物信息来提升人脸年龄估算的精确度,提出了一种基于主动形状与局部二值模式的年龄估算方法(An Age Estimation Method Based on Active Shape Model and Local Binary Pattern,AEM-ASLB)。首先,提取人脸图像的特征集合,该特征集合由脸部几何特征点和纹理特征信息组成。利用主动形状模型来定位脸部关键位置的特征点,面部皮肤的纹理信息则采用局部二值模式进行抽样提取;然后,利用高斯过程回归模型对提取到的几何特征信息进行训练,得到特征的直方图,并进一步归一化为纹理特征向量。经过实验证明,该方案能够利用人脸图像对年龄进行精准地估算,实现上也可以减少分类器的使用,整个方法思路清晰且简单易实现。展开更多
文摘蚁群算法在求解TSP(旅行商)问题时存在收敛速度慢、容易陷入局部最优的缺点,遗传算法具有较强的全局搜索能力而被广泛采用。然而,遗传算法是基于二进制编码的交叉和变异操作,对TSP问题中的城市序列并不适用。结合蚁群算法和遗传算法提出了一种新的ACAG(the Algorithm Combined by ACA and GA)算法。通过在蚁群算法中引入贪心策略,选取下一城市时,把选择范围限定在离当前城市最近的部分城市中,能迅速提高搜索速度,快速收敛到较优解。在蚁群算法迭代一定次数后动态过渡到遗传算法,利用遗传算法全局、快速搜索的特点,对解空间进行扩充,能有效避免陷入局部最优,较快的得到最优解。实验结果表明,算法性能明显优于传统的蚁群算法和遗传算法。
文摘为了更好地利用人脸图像中所蕴含的生物信息来提升人脸年龄估算的精确度,提出了一种基于主动形状与局部二值模式的年龄估算方法(An Age Estimation Method Based on Active Shape Model and Local Binary Pattern,AEM-ASLB)。首先,提取人脸图像的特征集合,该特征集合由脸部几何特征点和纹理特征信息组成。利用主动形状模型来定位脸部关键位置的特征点,面部皮肤的纹理信息则采用局部二值模式进行抽样提取;然后,利用高斯过程回归模型对提取到的几何特征信息进行训练,得到特征的直方图,并进一步归一化为纹理特征向量。经过实验证明,该方案能够利用人脸图像对年龄进行精准地估算,实现上也可以减少分类器的使用,整个方法思路清晰且简单易实现。
