邵鹏
- 作品数：21 被引量：83H指数：6
- 供职机构：江西农业大学计算机与信息工程学院更多>>
- 发文基金：国家自然科学基金江西省教育厅科学技术研究项目中央高校基本科研业务费专项资金更多>>
- 相关领域：自动化与计算机技术电子电信农业科学文化科学更多>>
- 基于改进PSO算法的Rosenbrock函数优化问题的研究被引量：13
- 2013年
- Rosenbrock函数优化属于无约束函数优化问题,其全局极小值位于一条平滑而狭长的抛物线形状的山谷底部,且为优化算法提供的信息很少,因此找到其全局极小值就显得很困难。根据Rosenbrock函数的这种特性,专门提出了一种改进的PSO算法(PSO-R),该算法引入三角函数因子,利用三角函数具有的周期振荡性,使每个粒子获得较强的振荡性,扩大每个粒子的搜索空间,引导粒子向全局极小值附近靠近,避免算法过早地收敛,陷入局部最优,从而找到Rosenbrock函数的全局极小值。大量实验结果表明,该算法具有很好的优化性能,为某些领域某些特定的类似于Rosenbrock函数的优化问题提供了一种新的思路。
- 邵鹏吴志健
- 关键词：无约束优化粒子群算法
- 多策略离散人工蜂群算法设计FIR低通数字滤波器
- 2023年
- 针对人工蜂群(Artificial Bee Colony,ABC)算法在解决复杂问题表现出来精度不高以及收敛速度较慢的不足,提出了一种融合折射学习和Lévy飞行的多策略离散人工蜂群算法(Discrete Artificial Bee Colony Fusing Refraction Learning and Lévy flight,DABC-RL),用于设计有限长脉冲响应(Finite Impulse Response,FIR)低通数字滤波器,以期进一步提高其滤波性能。在DABC-RL算法中,一方面,Lévy飞行策略用于增强ABC算法的局部搜索能力,折射学习用于增强ABC算法的全局搜索能力;另一方面,通过设计合适的离散编码方案对DABC-RL算法中的候选解进行离散化,使其适合于设计FIR低通数字滤波器。为了测试所提的DABC-RL算法设计的FIR低通数字滤波器的性能,选取由ABC算法、基于折射学习的refrPSO算法所设计的FIR低通数字滤波器作为对比算法。实验结果表明,相比其他算法,DABC-RL算法所设计的FIR低通数字滤波器的性能最好,且获得了最快的收敛精度和收敛速度。
- 邵鹏
- 基于坐标注意力机制和残差网络的水稻叶片病虫害识别
- 2023年
- 【目的】针对在自然条件下水稻叶片病虫害的识别效率不高、准确率较低的问题,探索基于ResNet深度学习网络的水稻叶片病虫害识别模型(ResNet50-CA)。【方法】在ResNet-50的残差卷积模块下引入坐标注意力机制(CA),采用LeakyReLU激活函数替代ReLU激活函数,使用3个3×3的卷积核替换ResNet-50模型首层卷积层中的7×7卷积核。【结果】在使用传统卷积神经网络进行水稻叶片病虫害研究发现,ResNet-50能够较好地平衡识别准确率和模型复杂度之间的关系,因此选择在ResNet-50网络模型的基础上加以改进。使用改进后的网络通过微调参数进行水稻叶片病虫害对比性能试验,研究发现在批量样本数为16和学习率为0.0001时,ResNet50-CA获得最高的识别准确率(99.21%),优于传统的深度学习算法。【结论】改进后的网络能够提取出水稻病虫害更加细微的特征信息,从而取得更高的识别准确率,为水稻叶片病虫害识别提供新思路和方法。
- 廖媛珺杨乐邵鹏邵鹏
- 改进的粒子群优化算法在云计算任务调度中的应用
- 2023年
- 针对粒子群优化算法在求解云计算任务调度问题中存在的收敛速度慢、精度低、易陷入局部极值等缺陷,综合考虑最大完成时间最少、任务执行总时间最优两个优化目标,提出一种多策略融合的粒子群优化(multi-strategy particle swarm optimization,MSPSO)算法,并将其应用于求解云计算任务调度问题。该算法融合模拟退火算法、饥饿游戏搜索和双重变异限制策略。首先,通过模拟退火算法动态更新惯性权重,平衡粒子群优化算法的全局搜索和局部搜索,帮助粒子跳出局部极值。其次,引入饥饿游戏搜索算法优化粒子位置更新策略,在算法后期加快粒子收敛速度,提高结果精度。最后,采用双重变异限制策略,同时限制粒子速度和位置,避免粒子发生越界。与其他3种粒子群优化算法进行对比实验,在适应度平均值、最小值、标准差3个方面,MSPSO都有更好的表现。通过仿真,在求解不同任务量的云计算任务调度问题中,MSPSO在总成本、适应度值最小化两方面均表现出明显优势。尤其当任务量为40时,MSPSO总成本比其他算法分别降低了14.4%、15.3%、11.2%,适应度值分别降低了10.5%、10.6%、7.6%,验证了所提算法在求解云计算任务调度问题中的有效性。
- 汪婷邵鹏李光泉刘珊慧
- 关键词：云计算任务调度粒子群优化算法模拟退火算法
- 基于测度优化Laplacian SVM的中文指代消解方法被引量：1
- 2016年
- 相比于传统的基于半监督学习的指代消解方法,Laplacian SVM(Support Vector Machine)能有效的挖掘已标注样本和未标注样本的相似性和关联性,更好的推导模型的分类边界.而传统Laplacian SVM采用欧式距离度量样本之间的距离,使得异类样本之间的相似性可能过大,不利于样本的准确分类.对此,提出一种基于数据驱动学习最优测度Laplacian SVM算法以解决中文指代消解语料不足的问题.该方法通过优化样本对之间的相似性约束条件和引入Fisher判别项,增大同类样本间的相似性,并突出强判别能力的特征.此外,提出核嵌入的测度优化方法将以上线性测度优化推广到非线性空间,有利于Laplacian SVM利用核函数实现非线性分类.在ACE2005中文语料库上的测评结果表明,所提出测度优化的Laplacian SVM(包括线性和核嵌入两种形式)的方法只需少量标注样本就可以获得与经典的有监督学习模型相当甚至更好的消解性能,同时也优于其他传统的半监督学习方法.
- 周炫余刘娟邵鹏卢笑罗飞
- 关键词：LAPLACIANSVM半监督学习自然语言处理
- 基于层次过滤模型的中文指代消解被引量：6
- 2016年
- 针对现有的中文指代消解研究大多采用二元分类模型,容易出现消解正确率低的特征覆盖消解正确率高的特征以致模型指代划分错误的问题,提出了一种改进的层次过滤模型用于中文指代消解。该模型结合中文语义知识,在原模型中加入语义匹配层,该层通过引入Web语义知识很好地弥补了中文语义知识库较小的不足,并针对中文的特点对原模型的待消解项识别层进行相应的修改使之更加适合中文指代消解。将上述模型与两类基准系统在ACE2005中文语料上进行5种测评,结果表明,所提出模型的F平均值分别高于两类基准系统约4%和9%。
- 周炫余刘娟邵鹏罗飞刘洋
- 关键词：人工智能语义知识指代消解自然语言处理
- 计算机专业课程理论与实验教学方法设计探讨——以数据结构课程教学为例
- 2023年
- 计算机专业课程中有一大类具有理论教学和实验教学的课程,两者相辅相成,缺一不可。然而,在实际教学过程中,存在由于理论学习较为枯燥而无法提起学生学习兴趣、理论知识掌握不好的不足,进而导致实验教学存在无法更好地实践,即知学而不知用的问题。为此,提出移动学习方式和项目驱动结合的计算机专业课程理论与实验相结合的教学方法。该教学方法使用移动学习对于理论知识学习采取精选与相应课堂学习知识的测试题目现场进行随堂测试,并在课外进行互动交流的方式,用以巩固课堂所学的理论知识;对于实验教学,结合所学的理论知识采用小型项目和综合项目驱动的教学方法。通过在数据结构这门课程上采取所设计的教学方法的数据进行分析,结果表明所设计的教学方法对数据结构的理论和实验教学质量的提升具有很好的效果,这也为计算机专业课程理论与实验的教学提供一条较为可行的教学方法设计方案。
- 邵鹏梁莹
- 关键词：计算机专业实验教学数据结构
- 改进的粒子群优化算法设计FIR低通数字滤波器被引量：7
- 2017年
- 粒子群优化算法(PSO)因具有参数少、易于实现等优点,在解决优化问题时表现出很好的性能。有限长单位脉冲响应(FIR)数字滤波器因具有稳定的结构、易于实现等优点,在实际中有着很广泛的应用。因此,将基于三角函数因子的改进PSO算法(TFPSO)用于对FIR低通数字滤波器性能的优化,并将其与基于折射原理反向学习(refrPSO)、基于反向学习(OPSO)的PSO算法所设计的FIR低通数字滤波器的性能进行比较。在实验中构造出一种性能较好的适应值函数,以验证这几种改进的PSO算法所设计的FIR低通数字滤波器的性能。实验结果表明,基于三角函数因子的PSO算法滤波性能较差,而基于折射原理反向学习的PSO算法性能最佳。
- 邵鹏吴志健彭虎王映龙周炫余
- 关键词：粒子群优化算法FIR数字滤波器
- 具有Lévy飞行和反向学习的增强型人工蜂群算法被引量：3
- 2021年
- 针对人工蜂群算法(artificial bee colony,ABC)存在寻优精度不高、收敛速度较慢、容易被局部极值吸引的不足,提出一种具有Lévy飞行和反向学习(opposition-based learning,OBL)策略的增强型人工蜂群算法(enhanced artificial bee colony algorithm with Lévy flight and opposition-based learning strategy,ELOABC)。首先,在雇佣蜂和观察蜂阶段,引入Lévy飞行改进新产生的解,由于Lévy飞行具有随机步长性,因此可以避免算法陷入局部最优;其次,在侦查蜂阶段,变异解由停滞解和当前最优解的位置决定,再结合反向学习策略生成变异解的反向解,保留两者中更好的解以提高算法解的精度;最后,利用15个基准测试函数对增强型人工蜂群算法的性能进行实验测试。实验结果表明,改进算法性能明显优于其他算法。
- 李星张少平邵鹏
- 一种带正弦函数因子的粒子群优化算法被引量：9
- 2015年
- 粒子群优化算法(particle swarm optimization,PSO)具有实现简单、在演化前期收敛速度快等优点,但在演化后期具有收敛速度慢、容易陷入局部最优以及精度低等不足.针对PSO算法容易陷入局部最优及精度低的不足提出一种带正弦函数因子的粒子群优化算法(TFPSO).该算法在PSO算法的位置更新方程中引入具有周期振荡性的正弦函数因子,使每个粒子位置获得周期振荡性,扩大搜索空间,更容易跳出局部最优,避免算法过早的收敛,找到最优值.实验研究表明,该算法不但实现简单、稳定而且提高了解的精度.
- 邵鹏吴志健
- 关键词：粒子群算法三角函数
