首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

基于干扰因子的QPSO算法改进及其应用

摘要第1-4页
Abstract第4-7页
第一章 绪论第7-10页
   ·进化算法的研究现状第7-8页
   ·图像插值的发展与现状第8-9页
   ·本论文的研究内容和研究方法第9-10页
第二章 几种进化算法的研究第10-23页
   ·优化问题第10-11页
   ·遗传算法的研究第11-16页
     ·遗传算法的基本概念第12-13页
     ·遗传算法的基本原理第13-15页
     ·遗传算法的特点第15-16页
     ·遗传算法的应用第16页
   ·群体智能算法的研究第16-22页
     ·粒子群算法(PSO)第17-20页
     ·具有量子行为的粒子群算法(QPSO)第20-22页
   ·本章小结第22-23页
第三章 具有量子行为的粒子群算法改进第23-31页
   ·QPSO 改进算法的引入第23页
   ·基于干扰因子的QPSO 算法提出及思想第23-25页
   ·测试结果与分析第25-30页
     ·测试函数第25页
     ·结果与分析第25-30页
   ·本章小结第30-31页
第四章 QPSO 算法在图像插值上的应用第31-48页
   ·引言第31-32页
   ·数字图像插值技术研究第32-34页
     ·线性图像插值方法第32-33页
     ·非线性图像插值方法第33-34页
   ·边缘保护的图像插值方法提出第34-37页
     ·图像插值模型推导第35-37页
   ·基于粒子群算法的图像插值方法第37-47页
     ·基于PSO 算法的图像插值方法第38-39页
     ·基于QPSO 算法的图像插值方法第39-40页
     ·实验结果与分析第40-47页
   ·本章小结第47-48页
第五章 结论与展望第48-49页
   ·结论第48页
   ·未来研究方向第48-49页
致谢第49-50页
参考文献第50-54页
附录:作者在攻读硕士学位期间发表的论文第54页

论文共54页,点击 下载论文
上一篇:电动滑板车遥控器及控制器的开发与研究
下一篇:数据流聚类方法的研究--基于概率密度和应用摘要层次的算法研究