摘要：为了更好求解工程设计优化问题,提升鲸鱼算法的寻优性能和应用能力,提出一种基于分段式随机惯性权重和最优反馈机制的鲸鱼优化算法。在随机游走觅食策略中引入基于当前全局最优解的反馈机制,加快算法收敛速度,增强求解稳定性;在收缩包围策略和螺旋气泡网捕食策略中引入分段式随机惯性权重,提高算法的寻优精度和跳出局部极值的能力;对越界处理进行修正和改进,消除了进化成果可能丢失的隐患。通过理论分析证明了该改进算法与基本鲸鱼算法的时间复杂度相同。6种代表性对比算法在12个复杂基准测试函数和3个工程优化设计问题上的实验结果表明,该改进算法的寻优性能、求解稳定性、对不同问题的适用性和有效性均明显优于其他5种对比算法。

摘要：深度学习在面部特征点识别领域已取得了较为显著的成果,然而在处理遮挡、光照、角度不当等复杂条件下的面部图像时,预测数目较多的面部特征点仍是一个具有挑战性的问题。为解决面部多特征点在复杂条件下的定位问题,设计了一种C-Canny算法和改进单层神经网络相结合的网络结构,将传统Canny算法应用到面部区域定位阶段,使得神经网络可以快速进行面部区域重定位,从而提升识别的准确率。实验结果表明,在300-w和300-vw数据集上与一些传统方法、神经网络相比,该神经网络结构将损失函数的值平均降低了12.2%。