research centers


Search results: Found 1

Listing 1 - 1 of 1
Sort by

Article
Pattern Recognition Using Particle Swarm Optimization with Proposed a New Conjugate Gradient Parameter in Unconstrained Optimization

Authors: Ban Ahmed Mitras --- Suhaib Abdul-Jabbar
Journal: Al-Nahrain Journal of Science مجلة النهرين للعلوم ISSN: (print)26635453,(online)26635461 Year: 2016 Volume: 19 Issue: 3 Pages: 138-147
Publisher: Al-Nahrain University جامعة النهرين

Loading...
Loading...
Abstract

In this paper, we present modified conjugancy coefficient for the conjugate gradient method. This modification using the extention Dai and Yuan Method to solve non-linear programming problems. The algorithm of particle swarm optimization (PSO) is applied in this work, to coefficients extracted by features extraction techniques. The sufficient descent and the global convergence properties for the proposed algorithm are proved. The numerical results of our finding for the large scale optimization problem are very encouraging comparison with standard methodsThe experimental results showed that PSO can generate excellent recognition results with the minimal set of selected features. Finally, the algorithm PSO based approaches are proposed and the influence of PSO parameters on the performance is evaluated.

تم في هذا البحث اشتــــقاق معامل ترافق محسن لطريقة المتــــجهات المترافقة. هذا التحسين استخدام توسيع طريقة (Dai and Yuan Method) الحل مسائل البرمجة غير الخطية، كما تم تطبيق خوارزمية الطيور في هذا العمل، لتحديد المعاملات باستخدام مميزات التقنيات المحددة. تم إثبات خاصية الانــــحدار الكافي (sufficient descent) وخاصية التقارب الشامل للخوارزمية المقترحة، تم الحصول على نتائج عددية مشجعة جدا لمسائل الأمثلة ذات القياس العالي مقارنة مع الطرق القياسية.النتائج التجريبية وضحت ان طريقة خوارزمية الطيور كانت نتائجها مميزة مع اقل خطأ في المميزات المختارة، أخيرا طريقة خوارزمية الطيور المقترحة التي اعتمده التقريبات ومعاملات أداء الطريقة قد قيمت.

Listing 1 - 1 of 1
Sort by
Narrow your search

Resource type

article (1)


Language

English (1)


Year
From To Submit

2016 (1)