吉林大学学报(信息科学版) ›› 2016, Vol. 34 ›› Issue (1): 147-151.
王刚刚, 廖庆, 徐玉蕊, 刘乐, 侯阿临
WANG Ganggang, LIAO Qing, XU Yurui, LIU Le, HOU Alin
摘要:
针对拥有庞大数据量的全息图再现像质量不理想的问题, 提出一种针对粒子群优化算法(PSO: Particle Swarm Optimization)中学习因子和惯性权值进行动态调整的方法, 将改进后的算法与反向传播(BP: Back Propagation)神经网络相融合形成改进型粒子群优化BP 神经网络(MPSO-BP: Modified Particle Swarm Optimizing BP Neural Network)并用于全息图压缩。通过与BP 神经网络和粒子群优化BP 神经网络(PSO-BP: Particle Swarm Optimizing BP Neural Network)压缩算法进行对比, 证明了该网络压缩算法在保持较好的压缩效率时得到的全息图再现像质量更好。
中图分类号: