44、粒子群优化算法与表情包冒犯内容识别研究

粒子群优化算法与表情包冒犯内容识别研究

一、粒子群优化算法相关介绍

1.1 QPSO算法

QPSO算法是对退火算法（SAA）的模拟。研究人员在实现过程中引入了基于量子比特（qbit）的粒子“Q (1)”，之后替换了使用的Sigmoid函数，并采用最佳染色体引导，使算法得到优化，最终演变为离散PSO或量子粒子群优化（QPSO）。在量子研究中，携带有价值信息或数据的最小比特（单位）被定义为“QuBIT”，它有“0”或“1”两种状态。其速度计算公式如下：
[
Q(t) = \begin{bmatrix}
q_1(t), q_2(t) \cdots q_n(t)
\end{bmatrix}
]
[
q_i(t) = \begin{bmatrix}
q_{1}(t), q_{11}(t) \cdots 2 \cdots q_{1}(t)
\end{bmatrix} m
]
方程5表示粒子的长度，$q {1m}(t)$表示粒子的概率。这里使用最高回归值估计器和最低修剪平方值来消除包含轮廓边界值的各种观测值所造成的影响。QPSO表现得像主要的优化方法，能为动态区域提供良好的方向，还使用了简单的Nelder - Master方法进行局部搜索，以微调QPSO得到的解。

1.2 BARE - BONESPSO（BBSPSO）

BBSPSO是PSO的高级版本，是一种无参数的PSO算法。它没有惯性权重、加速度系数等额外组件，行为方法非常简化，没有基于速度的相关公式。在解决各种优化问题时表现更好，它使用高斯分布函数，均值子函数为${(P_t)