基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
粒子群优化(PSO)算法是一种新兴的基于群智能方法的优化技术,该算法简单而且功能强大,但也存在易陷入局部极值的缺点.文章分析了PSO算法的特征,利用卡尔曼(Kalman)滤波器原理对PSO算法作了改进,得到了一种新的改进粒子群优化KPSO(Kalman PSO)算法.实验结果表明,KPSO算法取得了较好的应用,其收敛精度和速度都有了一定程度的提高.
推荐文章
基于PSO算法的滤波器元件在线监测研究
电力滤波器
实时监测
粒子群优化算法(PSO)
基于FPGA的Kalman滤波器实现研究
FPGA
Kalman滤波器
IP核
实时性
结合Kalman滤波器的SIFT目标跟踪算法
尺度不变特征变换算法
卡尔曼滤波
目标识别
特征点提取
基于多传感器Kalman滤波器的GPS/IMU数据融合算法设计
GPS/IMU组合系统
kalman滤波器
数据融合
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于Kalman滤波器原理的PSO算法
来源期刊 计算机工程与应用 学科 工学
关键词 粒子群 优化 算法 卡尔曼
年,卷(期) 2005,(35) 所属期刊栏目 学术探讨
研究方向 页码范围 56-58
页数 3页 分类号 TP301.6
字数 2452字 语种 中文
DOI 10.3321/j.issn:1002-8331.2005.35.019
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 黄天戍 武汉大学电子信息学院 153 1276 20.0 27.0
2 吴少勇 武汉大学电子信息学院 3 14 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (1)
节点文献
引证文献  (5)
同被引文献  (6)
二级引证文献  (2)
1960(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2007(3)
  • 引证文献(2)
  • 二级引证文献(1)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(1)
  • 引证文献(0)
  • 二级引证文献(1)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
粒子群
优化
算法
卡尔曼
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导