进化加速技术在图像检索中的应用

在感性的图像检索中采用交互式进化技术,可以将用户的直觉、情感等感性因素有机地融入进化过程中,但是存在无法有效解决用户易疲劳问题。针对这一不足,该文引入基于引导的进化加速算法,使得进化收敛的速度加快,从而来减轻用户疲劳,检索实验结果表明该算法在检索交互次数和检索效果上都有显著的改善。     

结合SVM的交互式遗传算法及其应用

交互式遗传算法在人机交互过程中．用户对每代的所有个体都要进行评估。针对个体数量较大．进化代数较多．用户容易疲劳这一问题。提出了一种改进算法。充分利用遗传初始阶段用户所选择的正例和反例信息．采用支持向量机构造分类器．在整个图像库中找出更多符合分类器的图像加入到遗传过程．以扩大遗传操作中好个体的个数．加速算法收敛．从而减轻用户疲劳；同时交互中不断扩大的样本集也使支持向量机分类器更加准确．从而建立比较完善的个性化的情感模型。本文将该算法应用于服装图像的个性化情感检索。实验结果表明．所提出的方法可以较好地减轻用户疲劳，检索出的图像较好地体现用户的个性化情感。     

自适应分区多代理模型交互式遗传算法

为提高交互式遗传算法的性能.提出一种自适应分区多代理模型交互式遗传算法.该算法基于关键维分割进化初期的搜索空间,同时基于进化进程、逼近精度以及用户评价敏感度,自适应地分割进化中后期的搜索空间.在子空间上,采用多类代理模型学习用户对进化个体评价,并用于评价后续进化的部分或全部个体.将该算法应用于服装进化设计系统,实验结果表明,算法在种群多样性、减轻用户疲劳及用户对优化结果满意度等方面均具有优越性.     

基于知识迁移的多用户交互式遗传算法

针对交互式遗传算法中小种群规模导致的算法后期收敛缓慢问题,以及多个用户对同一问题领域进行优化的可能性,本文结合文化算法的双层进化结构,提出了一种基于知识迁移的多用户交互式遗传算法模型.基于服装设计系统对上述模型及相关策略进行了实例分析,实例比较表明该模型能有效提高各用户的进化收敛速度,减轻用户疲劳.     

交互式遗传算法中用户评估方法研究

交互式遗传算法是针对一些应用领域存在的适应度函数难以明确表达的问题,通过用户参与遗传操作过程,对进化个体进行评估以代替计算过程的一种改进方法.但交互式遗传算法存在的一个主要问题是当遗传操作的收敛速度慢时,用户需对大量个体进行评估,尤其是在个体间相似程度较高时,容易产生疲劳现象.针对这种问题,本文提出了两种方法来提高收敛性,缩短评估过程,从而最终解决用户疲劳问题.对人脸识别问题的实验结果表明本文算法可以有效的解决用户疲劳问题.     

基于内容的交互式感性图象检索

随着信息化社会的到来及信息高速公路计划的实施,人们越来越多地接触到大量的图象信息,因此基于内容的图象检索已经成为当前的一个热门研究课题,并在多媒体数据库、电子图书馆、商标管理、医疗图象管理、公安系统、卫星图象管理等方面得到广泛应用。然而,大多数基于内容的图象检索系统主要是通过图象多维物理特征的相似性匹配来进行查询,而对于用户的爱好、情感等主观或感性化的因素则考虑较少。为了弥补这方面的不足,提出了一种基于内容的交互式感性图象检索方法。该方法采用交互式进化算法,并通过人机交互的方式,来将用户的直觉、情感等感性化的因素融入到进化过程,以便进行图象的交互式在线检索;针对在检索过程中,因进化的时间可能较长和因需要用户确定的适应度值较多而产生的用户疲劳问题,采用神经网络离线学习的方法来减轻用户疲劳,从而实现了根据用户的情感和基于图象内容的图象检索,并取得了较好的实验结果。     

自适应分区多代理模型交互式遗传算法

为提高交互式遗传算法的性能,提出一种自适应分区多代理模型交互式遗传算法&.该算法基于关键维分割进化初期的搜索空间,同时基于进化进程,逼近精度以及用户评价敏感度,自适应地分割进化中后期的搜索空间.在子空间上,采用多类代理模型学习用户对进化个体评价,并用于评价后续进化的部分或全部个体.将该算法应用于服装进化设计系统,实验结果表明,算法在种群多样性,减轻用户疲劳及用户对优化结果满意度等方面均具有优越性.

     

基于多近似模型的交互式遗传算法

人的疲劳向题是交互式遗传算法的核心问题,它制约了交互式遗传算法在复杂优化问题中的应用.为了解决该问题,本文提出基于多近似模型的交互式遗传算法.该算法首先将搜索空间划分,然后利用传统交互式遗传算法得到的数据,在不同子空间生成不同的近似模型,最后采用该模型近似人对进化个体的评价,从而减少人评价的数量,有效解决人的疲劳问题.算法性能分析及在服装进化设计系统中的应用验证了其有效性.     

交互工遗传算法中用户评估方法研究

交互式遗传算法是针对一些应用领域存在的适应度函数难以明确表达的问题,通过用户参与遗传操作过程,对进化个体进行评估以代替计算过程的一种改进方法。但交互式遗传算法存在的一个主要问题是当遗传操作的收敛速度慢时,用户需对大量个体进行评估,尤其是在个体间相似程度较高时,容易产生疲劳现象。针对这种问题,本文提出了两种方法来提高收剑性,缩短评估过程,从而最终解决用户疲劳问题。对人脸识别问题的实验结果表明本文算法可以有效的解决用户疲劳问题。     

锦标赛选择交互式遗传算法及其应用

基于两个体比较的交互式遗传算法(Interactive Genetic Algorithm based on paired comparison,PC-IGA)允许用户在每次评估过程中比较两个个体并从中选择一个优胜者,以代替传统的用户评分方式,从而减轻用户的精神压力.但是,PC-IGA中用户比较次数太多,加重了用户的生理疲劳.为此,本文提出一种新的用户评估方式--锦标赛选择,并给出锦标赛选择交互式遗传算法(Interactive Genetic Algorithm Based on Toumament Selection,TS-IGA)的关键技术和实现步骤.将该算法应用于服装色彩优化系统,研究了种群规模和子种群规模的选择对算法性能的影响.最后,将该算法与PC-IGA进行对比实验,结果表明本文提出的算法在选择合适的子种群规模的情况下,能有效减少用户的比较次数和算法收敛时间,从而减轻用户疲劳.