改进粒子群和模糊神经网络算法对远程视频感知质量预测

摘要

为了更好地对远程视频感知质量进行预测，解决预测性能较差的问题。提出一种改进粒子群与模糊神经网络相结合的算法。具体而言，为了解决粒子群算法对初始种群敏感和容易陷入局部最优解的问题，将佳点集理论与多种群多策略协同进化算法相结合，以此对粒子群算法作优化处理。首先，运用佳点集理论生成佳点，将其作为初始种群，让种群的分布更加均匀，达到对位置敏感性减弱的目的；在此基础上，对协同进化算法加以运用，随机对种群作若干子种群的划分，随机选择一种进化策略对每个子种群进行并行计算，共享最优位置。最后，融合改进的粒子群算法与模糊神经网络，通过优化神经网络的初始值和阈值，构造分类预测模型，执行对远程视频感知质量的预测任务。结果表明，相较于模糊神经网络而言，所提算法预测准确度提升至91.13%,均方根误差降低24.3%,平均相对误差减少58.6%。在错报率与漏报率指标上，仅为7.31%,表明该算法和模糊神经网络算法进行结合可取得更为理想的预测效果，有更为明显的精度优势。

关键词

远程视频感知 / 改进粒子群算法 / 模糊神经网络算法 / 感知质量 / 佳点集理论 / 多种群多策略协同进化

基金资助

山东省重点研发计划(2016ZDJS02A05)