收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

协同微粒群算法的研究及其在图像分割中的应用

李菲菲  
【摘要】: 微粒群算法是上个世纪90年代提出的一种基于群体智能理论的优化算法,通过群体中粒子间的合作与竞争产生的群体智能指导优化搜索。相比于进化算法,微粒群算法保留了基于种群的全局搜索策略,采用简单的速度位移模式,避免了复杂的遗传操作,同时它特有的记忆使其可以动态跟踪当前的搜索情况以调整其搜索策略,具有全局收敛能力和鲁棒性,且不需要借助问题的特征信息。微粒群算法的特点吸引了大量学者对其进行研究,并被广泛的应用到了各个领域。 微粒群算法是基于同种群体内信息共享的假设而提出的,它反映了在一个种群中的个体之间的合作关系。然而,在自然界的生态系统中,很多物种是通过和其他物种相互作用来提高自己的生存能力的。这种相互作用存在于所有的生物机体中,从细胞到高级动物,同时也存在于动物和植物之间。为了克服微粒群算法的缺点并且受到协同进化的启发,从而产生了协同微粒群算法的思想。 图像分割是图像处理到图像分析的关键步骤。由于图像目标和背景之间差异的多样性以及噪声的影响,使得图像分割变得困难,目前图像分割仍然是研究的热点之一。传统的图像分割方法对某些图像是有效的,但是对一些特殊领域的图像和具有特殊特征的图像来说并不一定有效。目前还没有一种通用的图像分割方法。 本文致力于研究协同微粒群算法,并将其应用到图像分割中。本文的主要工作为: 1、提出了一种协同微粒群算法 受自然界共生现象的启发,将协同进化与微粒群算法相结合,并将高斯概率分布应用到随机数的生成以及粒子变异中,提出了一种使用高斯分布的协同微粒群算法(CPSO-G),进化过程中,粒子不仅要与本种群内的其他粒子交换信息而且还要受到其他种群的影响。利用高斯概率分布来生成随机数,可以加速局部搜索收敛速度。将高斯概率分布应用到粒子变异中,此分布能够增加粒子多样性从而跳出局部极值点。实验数据表明,此算法在一定程度上避免了陷入局部极值点并且加快了收敛速度。 2、将协同微粒群算法用于图像分割 在众多图像分割方法中,模糊C-均值(FCM)聚类算法是一种结合无监督聚类和模糊集合概念的图像分割技术,比较有效,但存在着受初始聚类中心和隶属度矩阵影响,可能收敛到局部极小的缺点。根据微粒群算法和模糊C-均值聚类的特点,提出一种基于CPSO-G及模糊C-均值聚类的图像分割方法。实验结果证明这种算法可以有效地克服模糊C-均值聚类算法依赖初始聚类中心的不足,获得较好的分割效果。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 刘幸;;群智能微粒群算法及参数分析[J];电子元器件应用;2011年08期
2 于来行;乔蕊;;周期性扰动的微粒群算法[J];计算机系统应用;2011年06期
3 孙晓立;;微粒群优化神经网络算法的研究[J];科技情报开发与经济;2011年20期
4 万芳;黄强;原文林;邱林;;基于协同进化遗传算法的水库群供水优化调度研究[J];西安理工大学学报;2011年02期
5 李巍;王改云;;改进微粒群算法在机器人路径规划中的应用[J];计算机仿真;2011年08期
6 单爱慧;蒋丽;;求解人力资源分配问题的多目标微粒群优化算法[J];计算机应用研究;2011年09期
7 戴欣华;王万良;徐新黎;;一种多产品多约束混合生产线的批量计划模型及其求解[J];计算机工程与科学;2011年07期
8 裴志松;;一种新型物流调度算法的优化研究[J];长春工程学院学报(自然科学版);2011年02期
9 王思明;刘伟;张国武;;基于LS-SVM的陶瓷窑炉温度预测控制[J];计算机测量与控制;2011年06期
10 逄金梅;郑向伟;刘弘;;动态微粒群算法及其在群体动画中的应用[J];计算机工程与设计;2011年08期
11 王亮;卢晓东;程韫琳;张军;戈美净;;基于快速退火和PSO算法的港口交通信号控制方法[J];中国科技信息;2011年18期
12 陈劲;陈水利;;供应商优选与订货量分配的多目标微粒群算法[J];集美大学学报(自然科学版);2011年04期
13 刘爱琴;葛凌云;杨海峰;张继福;;利用子空间划分的局部离群数据挖掘算法[J];小型微型计算机系统;2011年08期
14 范剑超;韩敏;;微粒群优化动态神经网络模型结构分析[J];控制理论与应用;2011年09期
15 于继江;;求解定制物流调度问题的动态微粒群算法[J];计算机应用与软件;2011年08期
16 赵嘉;曹寒问;孙辉;李文力;;双群交换微粒群算法及在Shearlet图像去噪中的应用[J];计算机工程与应用;2011年19期
17 王明;黄海峰;何峰;左文艳;;基于微粒群优化和粗糙熵的图像分割算法[J];计算机工程;2011年14期
18 任彦荣;;混合微粒群神经网络系统的构建及其在HLA-A~*0201限制性T细胞表位活性预测中的应用[J];计算机与应用化学;2011年06期
19 吴定海;张培林;李胜;徐超;王怀光;;基于混沌变异的自适应双粒子群优化[J];控制与决策;2011年07期
20 李芳;郑晴;;混合粒子群算法和多Agent系统的协同生产调度及其组合优化[J];微计算机信息;2011年08期
中国重要会议论文全文数据库 前10条
1 崔志华;蔡星娟;曾建潮;孙国基;;基于预测速度的改进微粒群算法[A];第二十六届中国控制会议论文集[C];2007年
2 李冬雪;丁雨龙;;地衣共生菌、藻协同进化的初步研究[A];第七届全国系统与进化植物学青年学术研讨会论文摘要集[C];2002年
3 张知彬;肖治术;李宏俊;路纪琪;程瑾瑞;;动物与植物种子的相互关系[A];生态学与全面·协调·可持续发展——中国生态学会第七届全国会员代表大会论文摘要荟萃[C];2004年
4 蔡星娟;崔志华;曾建潮;谭瑛;;自适应PID控制微粒群算法[A];第二十六届中国控制会议论文集[C];2007年
5 公丕昌;全慧;王丽;贺超英;;水稻EJC核心Mago-Y14的功能鉴定和协同进化分析[A];2011年全国系统与进化植物学暨第十届青年学术研讨会论文集[C];2011年
6 李绍文;;昆虫和植物传粉[A];昆虫与环境——中国昆虫学会2001年学术年会论文集[C];2001年
7 王珩;张景瑞;;基于微粒群算法的航天器大角度姿态快速机动控制器参数优化设计[A];中国力学学会学术大会'2009论文摘要集[C];2009年
8 张昕;彭宏;郑启伦;;基于微粒群算法的聚类分析[A];2006年全国开放式分布与并行计算学术会议论文集(一)[C];2006年
9 王元元;曾建潮;谭瑛;;基于并行计算模型的并行微粒群算法的性能分析[A];2007年全国开放式分布与并行计算机学术会议论文集(上册)[C];2007年
10 宋佳栋;赵庆祯;刘衍民;;农产品风险控制的一种决策方法[A];海峡两岸农业学术研讨论文集[C];2010年
中国博士学位论文全文数据库 前10条
1 袁代林;改进的微粒群算法及其在结构拓扑优化中的应用[D];西南交通大学;2009年
2 崔志华;微粒群算法的性能分析与优化[D];西安交通大学;2008年
3 王俊年;微粒群算法及其在锌电解整流供电系统优化中的应用研究[D];中南大学;2006年
4 莫思敏;基于群体交互自组织种群结构的扩展微粒群算法研究[D];兰州理工大学;2012年
5 慕彩红;协同进化数值优化算法及其应用研究[D];西安电子科技大学;2010年
6 李冬雪;硬序重寄生(Phacellaria rigidula Benth.)及其寄主协同进化的初步研究[D];南京林业大学;2004年
7 刘建成;模糊模型的智能学习方法与应用研究[D];中南大学;2005年
8 陈琪锋;飞行器分布式协同进化多学科设计优化方法研究[D];中国人民解放军国防科学技术大学;2003年
9 邓武;基于协同进化的混合智能优化算法及其应用研究[D];大连海事大学;2012年
10 陈羽;应对未料灾变的实存装备局部再设计方法[D];大连理工大学;2011年
中国硕士学位论文全文数据库 前10条
1 吕洪光;基于微粒群算法的装配序列规划方法及其应用研究[D];电子科技大学;2010年
2 朱家静;基于遗传微粒群算法的组卷策略应用研究[D];大连海事大学;2011年
3 李菲菲;协同微粒群算法的研究及其在图像分割中的应用[D];山东师范大学;2008年
4 魏欣;基于智能优化技术的创新概念设计研究与应用[D];山东师范大学;2010年
5 王晓敏;基于微粒群算法的关联规则挖掘方法及应用[D];山东师范大学;2010年
6 陈红洲;群体智能若干算法研究[D];哈尔滨工程大学;2004年
7 戴芬;基于量子计算技术的智能算法的研究与应用[D];山东师范大学;2010年
8 刘丁峰;基于改进微粒群算法的图像复原方法研究[D];中南民族大学;2010年
9 林令娟;模拟退火微粒群混合算法的研究及应用[D];山东师范大学;2010年
10 李凯;基于微粒群优化算法的结构系统识别[D];同济大学;2008年
中国重要报纸全文数据库 前10条
1 本报记者 伍平;协同进化经典理论或被推翻[N];云南科技报;2009年
2 吴单华 何莹;应对城市化挑战 寻求可持续方向[N];建筑时报;2007年
3 实习记者 闫松;群体突破协同进化时代将来临[N];大众科技报;2007年
4 奇 云;蜂鸟与鲜花协同进化和谐共存[N];大众科技报;2005年
5 徐艳梅 司高飞;生态学对企业的启发[N];中国企业报;2005年
6 王胜男;人与病毒注定要协同进化[N];中国绿色时报;2005年
7 电脑商报记者 彭敏;红旗IVI:追求协同进化[N];电脑商报;2011年
8 张军;基于ISSR、AFLP和DNA序列的五倍子蚜与第一寄主植物之间的协同进化 获2006年国家自然科学基金研究计划项目—面上项目[N];科技日报;2007年
9 评测实验室 吴挺;抢跑快车道[N];计算机世界;2003年
10 高中梅;感受人与自然的和谐之美[N];中国教育报;2008年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978