首页 | 官方网站   微博 | 高级检索  
     

改进收敛条件的动态调整惯性权重PSO算法
引用本文:冯婷,陆雪松,阳维,张素.改进收敛条件的动态调整惯性权重PSO算法[J].计算机工程与应用,2009,45(3):175-177.
作者姓名:冯婷  陆雪松  阳维  张素
作者单位:上海交通大学,生命科学技术学院,生物医学仪器研究所,上海,200240
基金项目:国家重点基础研究发展规划(973计划),海市科委重点攻关项目 
摘    要:在医学图像配准中需要解决互信息图像配准过程中局部极值问题,引入了一种动态调整惯性权的自适应粒子群算法;验证了其中两个重要参数的取值,并均匀赋值粒子初始位置,避免随机产生的初始位置集中在某一区域而使寻优陷入局部极值,同时加入进化速度因子作为搜索中止条件,加快了搜索速度。实验表明,该算法既能找到全局最优又能快速收敛。

关 键 词:医学图像配准  全局寻优  粒子群算法  动态调整惯性权重
收稿时间:2008-7-21
修稿时间:2008-9-24  

Improved Particle Swarm Optimization with dynamically changing inertia weight
FENG Ting,LU Xue-song,YANG Wei,ZHANG Su.Improved Particle Swarm Optimization with dynamically changing inertia weight[J].Computer Engineering and Applications,2009,45(3):175-177.
Authors:FENG Ting  LU Xue-song  YANG Wei  ZHANG Su
Affiliation:FENG Ting,LU Xue-song,YANG Wei,ZHANG SuBiomedical Instrument Institute,Shanghai Jiaotong University,Shanghai 200240,China
Abstract:Particle Swarm Optimization(PSO) is a global evolutionary approach,which can effectively avoid the local extremum in biomedical image registration.A new particle swarm optimization with dynamically changing inertia weight is applied in image regis- tration based on mutual information.The initial location is assigned uniformly to avoid local extremum caused by evolution in some little area initiated randomly.A parameter is added to control the ceasing of iteration,improving the speed.Experimental re- sults i...
Keywords:image registration  Particle Swarm Optimization(PSO)  dynamically changing inertia weight
本文献已被 CNKI 维普 万方数据 等数据库收录!
点击此处可从《计算机工程与应用》浏览原始摘要信息
点击此处可从《计算机工程与应用》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司    京ICP备09084417号-23

京公网安备 11010802026262号