针对标准萤火虫算法初始种群不均匀、收敛速度慢、易陷入局部最优等问题,采用混沌优化策略进行种群初始化优化,避免算法陷入局部最优,提高计算精度。针对标准神经网络预测响应时存在的收敛慢、泛化能力差、网络预测精度不高等缺陷,通过萤火虫算法优化神经网络初始权值和阈值以提高网络预测性能和精度,构建相应预测模型。将优化后的模型应用在图像显著性检验上,并与多个经典的图像显著性检测算法做对比,测试结果表明,改进后萤火虫算法优化的卷积神经网络模型可使图像显著性检验性能得到明显改善。
科研之友
微信
新浪微博
Facebook
分享链接
