1 四川农业大学机电学院, 四川 雅安 625014
2 四川农业大学信息工程学院, 四川 雅安 625014
为了对花椒挥发油的含量进行快速、无损、低成本的检测,以汉源县花椒为实验对象,采集其在400~1000 nm波长范围内的光谱数据,然后采用标准正态变量变换(SNVT)方法对光谱数据进行预处理,利用迭代保留信息变量算法(IRIV)进行特征变量的提取,并建立极限学习机(ELM)回归模型,模型结果如下:校正集的决定系数 RC2为0.8522,均方根误差RMSEC为0.3475;预测集的决定系数 RP2为0.8365,均方根误差RMSEP为0.5737。为了进一步提高模型的预测性能,利用果蝇优化算法(FOA)对极限学习机的输入权值进行自适应优化。最终,优化后模型(IRIV-FOA-ELM)的决定系数 RC2为0.8792,RMSEC为0.3323, RP2为0.8659,RMSEP为0.3621。结果表明,高光谱成像技术可以对花椒挥发油进行快速无损检测,同时为其他农产品挥发油检测提供一种新的方法和思路。
光谱学 挥发油 高光谱技术 迭代保留信息变量算法 果蝇优化算法 极限学习机 激光与光电子学进展
2020, 57(20): 203002
陆军工程大学石家庄校区 无人机工程系, 石家庄 050003
为提高融合效率, 解决基于多尺度变换的融合方法中融合系数选择错误的问题, 提出一种红外与可见光图像融合方法.首先用非下采样双树复轮廓波变换将源图像分解为低频与高频部分; 然后对低频系数采用自适应尺寸分块法进行融合, 图像块的尺寸由改进的果蝇算法优化求解, 精细化处理低频融合结果, 得到一幅能精确到每个系数来源的标签图; 再利用高频分量的邻域系数差结合该标签图对高频系数进行融合; 最后重构得到融合图像.实验结果表明, 该算法能够提高融合速度, 解决了空域分块融合容易产生块效应的问题.
图像融合 非下采样双树复轮廓波 自适应分块 标签图 果蝇优化算法 Image fusion Non-subsampled dual-tree complex contourle Adaptive block Label map Fruit fly optimization algorithm
1 华南理工大学 材料科学与工程学院, 广东 广州 510640
2 华南理工大学 发光材料与器件国家重点实验室, 广东 广州 510640
3 华南理工大学 聚合物新型成型装备国家工程研究中心, 广东 广州 510640
4 华南师范大学 美术学院, 广东 广州 510631
为了在现有研究基础上使LED阵列光源的照度均匀度进一步提高, 提出了一种新的LED阵列优化途径。根据Ivan Moreno提出的二维LED阵列优化设计方法, 本文设计了以两种不同方式分布排列的二维优化LED阵列。利用果蝇优化算法对二维优化LED阵列芯片的位置参数进行进一步优化, 实现 LED阵列位置参数的三维空间的优化设计, 使LED阵列光源的照度均匀度更优。使用TracePro对LED阵列的三维优化结果进行验证。研究结果表明, 基于果蝇优化算法, 经三维优化后的圆形LED阵列的照度均匀度可达到96.0%, 相较于二维优化后的圆形LED阵列提高了25.3%; 经三维优化后的正方形LED阵列的照度均匀度可达到97.4%, 相较于二维优化后的正方形LED阵列提高了7.7%。该优化方法被证明是可行的, 相较于传统优化方法, 该方法节约了大量人力物力成本。
LED阵列 果蝇优化算法 照度均匀度 优化 LED array fruit fly optimization algorithm illumination uniformity optimization
为了进一步提高果蝇优化算法 (FOA)的性能，提出了一种自适应果蝇优化算法 (SAFOA)，设计了果蝇搜索群体模型，给出了一种自适应搜索步长搜索算法。仿真结果表明，相比 FOA算法和递减步长果蝇优化算法 (DS-FOA)，SAFOA收敛速度较快，全局搜索与局部寻优能力强，并能到达高的收敛精确度。
果蝇优化算法 自适应搜索步长 搜索群体 收敛速度 Fruit Fly Optimization Algorithm self -adaptive variable-step searchgroup rate of convergence 太赫兹科学与电子信息学报
2016, 14(4): 610
