您当前的位置：
首页 > 文献资料
所属专业：
量子粒子群优化文献资料
-
基于量子粒子群优化和独立分量分析的脑电特征提取
特征提取是基于P300的脑机接口(BCI)系统中非常关键的步骤.独立分量分析(ICA)算法是效果较好的P300特征提取方法,但目前常用的ICA迭代方法收敛性能均不理想.提出一种基于量子粒子群优化(QPSO)和ICA算法的P300特征提取方法.该方法利用量子计算在计算速度上的优势,加快了ICA算法的全局收敛,达到了快速有效提取P300的目的.实验针对BCI CompetitionⅡdataset Ⅱb和BCI CompetitionⅢdatasetⅡ两组公共数据集进行测试,提取出的P300特征送入线性分类器,系统识别正确率在15次叠加平均情况下达94.4％.实验结果表明,本文方法用于P300特征提取,在保证提取效果的同时,计算速度更快,为在线BCI系统的进一步研究提供了实验基础.
-
基于改进量子粒子群算法的微循环结构自调节模型参数优化研究
微循环血管不断地调节自身结构,以适应组织的功能性需求.微循环结构自调节模型能够仿真这一过程,为生理研究提供辅助,但目前缺少合适的模型参数设置方法,限制了模型的进一步应用.本文提出一种改进的量子粒子群优化算法用于设置模型参数,并在真实的大鼠肠系膜微循环血管网络上进行仿真实验.仿真结果表明,该方法的参数优化能力优于标准粒子群算法、标准量子粒子群算法和相关文献报道的Downhill算法,可使微循环结构自调节模型的仿真更接近动物实验数据,并显著提高模型的有效性.
