面向视频监控点位部署评估的基于风险熵改进蚁群算法

来源 :计算机应用研究 | 被引量 : 1次 | 上传用户:LXM302
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对公安视频监控系统前端摄像机点位部署评估的问题,首先采用以结果为导向的方法,将单个防控区域内摄像机之间的协同防控风险关系进行定义和赋值,将问题转换为可量化的数学模型,该模型的实质是求解带权值完全无向图的Hamilton回路(即TSP问题);然后引入蚁群算法求解该问题,通过分析基本蚁群算法的数学特征,指出了造成基本蚁群算法收敛速度慢、易求得局部最优解的原因,并引入风险熵函数,在分析其数学特征的基础上提出了基于风险熵的改进蚁群算法;最后通过求解不同TSP和调整不同参数设置的仿真实验来验证,实验结果表明
其他文献
针对线性辨别分析(linear discriminant analysis,LDA)在处理信用评分问题中存在着准确率不高的缺陷,对原有的LDA方法进行了改进,新增了错分距离标量和正分距离标量,并在此基础上构建了多目标信用评分模型,该模型以错分距离之和最小和正分距离之和最大为优化目标;然后提出了对应的基于子代择优的协同进化多目标微粒群算法;最后应用现实世界中的数据集,将该方法与逻辑回归、神经网络、序
随着科技水平的不断提高,油田修井作业水平也在发生着日新月异的变化,连续油管技术从无到有,再到完善丰富,使我国油气开发的整体水平得到了提高,但连续油管在实际应用中仍存
The title complex [Sr3(pda)2(Hpda)2(H2O)2]n·2nH2O(H2pda = pyridine-2,6-dicar- boxylic acid) has been prepared under solvothermal conditions. It has been ch
针对有监督的深度神经网络文本生成模型容易造成错误累积的问题,提出一种基于强化对抗思想训练的文本生成模型。通过将生成对抗网络鉴别器作为强化学习的奖励函数及时指导生成模型优化,尽量避免错误累积;通过在生成过程中加入目标指导特征帮助生成模型获取更多文本结构知识,提升文本生成模型真实性。在合成数据和真实数据集上的实验结果表明,该方法在文本生成任务中,较之前的文本生成模型在准确率和真实性上有了进一步的提高,