基于人工免疫系统的遥感图像检索

为了提高遥感图像检索的有效性和准确性,提出了一种基于人工免疫系统的遥感图像检索算法。该算法根据相关反馈技术及免疫机理,利用克隆选择算法对用户反馈的图像特征进行泛化学习,从而提高了系统对用户语义的理解能力。实验结果表明,该算法不仅能有效理解用户的反馈信息,而且能提高检索的准确性。     

利用蚁群算法的记忆式图像检索方法

如何有效利用用户的相关反馈信息来进行基于语义的图像检索,是一个具有重要意义并且极具挑战性的问题.介绍了一种基于蚁群算法的记忆式图像检索方法,它是传统记忆式图像检索方法的一种改进.用蚁群算法的思想,利用用户的反馈信息建立图像的语义网络,并依据该语义网络用迭代的方法来检索图像.实验表明,该方法不仅有效,而且存储量小、计算量...     

禁忌免疫网络算法及其在函数优化中的应用

基于人工免疫网络算法（aiNet）,借鉴禁忌搜索算法的机制,提出一种禁忌人工免疫网络算法（TS-aiNet）.在算法中引入禁忌表,禁忌那些在网络迭代中亲和度不再增加的细胞,并通过特赦准则赦免一些被禁忌的优良状态,增加一个记忆表,用于保存成熟的记忆细胞,改进了高斯变异方式,以保证多样化的有效搜索.通过对多个典型系统仿真分析该方法的收敛性,并与克隆选择算法和aiNet算法进行比较分析.结果表明,该算法在多模态搜索空间中具有更好的全局收敛性、稳定性和寻找极值点能力,能够克服早熟现象,是一种有效的全局优化搜索方法.     

免疫算法在图像检索的应用

目前,基于内容的图像数据库检索己成为图像检索研究的主流,核心是图像相似性检索。其遇到的主要问题是检索的准确性需要进一步提高。由于免疫算法具有长期记忆和学习的能力,非常适合对用户的反馈信息进行长期的学习来提高系统对用户语义的理解能力。本文利用免疫算法的优点提出了基于免疫算法的图像检索模型并实现了一个原型化检索模型。对10000张corel图像库进行试验表明,相对于传统方法检索精度有了很大的提高。     

一类具有精英学习能力的增强型人工免疫网络优化算法

提出了一种用于求解优化问题的具有精英学习能力的增强型人工免疫网络(Enhanced aiNet–EL)算法. 该算法集成了亲和力学习和精英学习, 改进了免疫进化的克隆、变异和抑制算子. 通过对两个经典函数的优化实验,结果表明本文提出的Enhanced aiNet–EL算法在最优解质量和收敛速度上都要优于传统aiNet和EaiNet算法. 作为应用实例, 工业PID控制器被用于测试算法的优化性能. 实验所得的阶跃响应表明, 使用Enhanced aiNet-EL得到的系统性能要优于使用其他4种方法得到的系统     

基于SVM与Adaboost的图像检索应用

语义图像检索已成为解决简单视觉特征和用户检索高级语义之间存在的"语义鸿沟"问题的关键,本文试图提出一种基于SVM和Adaboost集成学习相结合的相关反馈算法。在相关反馈过程中选择最具信息的样本训练支持向量机,可以有效减少相关反馈的次数和所需学习样本的数量,通过两者的互补来有效地提高图像检索的精度。最后提出Adaboost算法对SVM分类器进行加权投票,这样进一步提高了图像检索的性能。实验表明,该方法能较好地解决了图像检索中的小样本选择问题,并能显著提高图像检索的效率和性能。     

基于人工免疫网络记忆的新型分类器研究

该文首先简要介绍了自然免疫系统的免疫记忆原理,之后对aiNet和AIRS机制进行了分析,指出免疫记忆在两种算法中起关键作用。aiNet利用传统聚类技术对产生的记忆抗体进行数据聚类分析,无法得知原始抗原类别。AIRS通过训练产生记忆细胞池,利用最近邻原理对原始抗原分类。文中,aiNet的记忆抗体生成机制与KNN分类机制结合,提出基于人工免疫网络记忆的新型分类器AINMC———人工免疫网络记忆分类器。实验结果表明,所提出的新型分类器具有良好的记忆和泛化性能,准确率可以与许多传统方法相比较。     

基于贝叶斯分类器的图像检索相关反馈算法

由于图像底层特征及其本身所包含的上层语义信息的巨大差距,使得基于内容的图像检索很难取得令人满意的效果.作为一种有效的解决方案,在过去的几年中,相关反馈在该研究领域取得了一定的成功.提出了一种新的具有学习能力的反馈算法.该算法基于贝叶斯分类原理,运用不同的反馈策略分别处理正、负反馈,同时它具有学习能力,可以运用用户的反馈信息不断地修正检索参数,使系统的检索能力得到不断的提高.通过在大图片库上的检索实验 ,该算法产生的效果大大优于当前其他的反馈方法.     

一类具有精英学习能力的增强型人工免疫网络优化算法研究

本文提出了一种用于求解优化问题的具有精英学习能力的增强型人工免疫网络(EaiNet-EL)算法. 该算法集成了亲和力学习和精英学习, 并采用两个控制因子分别调节其学习速度. 本文对控制因子的灵敏度作了探讨, 并在两个经典函数的优化实验中将提出的EaiNet-EL算法同传统aiNet算法作了比较研究. 实验结果表明, EaiNet-EL在最优解质量和收敛速度上都要优于传统aiNet算法. 作为应用实例, 工业PID控制器被用于测试EaiNet-EL算法的性能. 实验所得的阶跃响应曲线说明, 使用EaiNet-EL得到的系统性能要优于使用其它三种方法得到的系统性能.     

图像检索中基于向量转移的相关反馈算法的研究与改进

相关反馈方法是对基于内容图像检索系统的有效改进.对图像检索系统中基于向量转移的相关反馈算法进行了研究.针对传统向量转移算法速度较慢、误差较大的不足,提出了一种基于非查询向量转移相关反馈算法的改进办法,通过提高向量转移的速度和精度,有效的利用用户的反馈信息,从而加快相关向量的收敛速度.经过公用图像数据库上的实验测试表明,该方法能有效减少反馈次数,提高检索效率.     

基于核聚类的近邻人工免疫网络算法研究

针对经典人工免疫网络(aiNet)及改进算法中存在的运算时间长、结构复杂等问题,提出了一种改进的核聚类近邻人工免疫网络算法(KN-aiNet)。算法在aiNet的改进算法——近邻aiNet结构的基础上,以抗体数据为核心利用量子能级思想聚类,并重定义了生成抗体策略,采用区域生长法搜索拥挤距离,采用基于核函数的亲和度等方法来提高算法的聚类效果和降低算法的运算时间。聚类实验结果表明,KN-aiNet算法的聚类准确率较经典aiNet算法及近邻aiNet算法分别提高了11.53%和4.56%,而算法的运算时间较经典aiNet算法及近邻ai-Net算法分别下降了0.503 s和0.823 s。     

基于人工免疫系统aiNet模型的层次聚类算法

提出了一种基于人工免疫系统重要模型aiNet模型的层次聚类算法aiNHA。该算法首先采用aiNet的方法生成抗体的记忆细胞矩体和相似性矩阵,这样就将数据集划分为若干子簇。再按照层次聚类的方法,合并连接相似度高的子簇,得到最终的聚类结果。该算法适用于发现任意形状的聚类簇,并且继承了免疫算法搜索速度快、效率高的优点。     

基于免疫网络的k-means文档聚类算法研究

提出了一种把人工免疫网络(aiNet)和k-means算法结合的文档聚类算法.先把文档集预处理成向量集表示,基于向量之间的余弦相似度,用aiNet算法对文档进行聚类,用得到的相似度矩阵初始化k-means的聚类中心,再用k-means算法对文档聚类.实验结果表明,该算法是可行的,并且能改善聚类质量.     

基于优化目标可调控的免疫网络算法的分析与应用

针对目前几种免疫网络模型在数据聚类方面应用的一些不足,在aiNet免疫算法的基础上结合函数优化的思想提出一种基于目标可调控的免疫模型。并在算法中给出目标控制函数,和细胞记忆库的概念。本算法提高了免疫学习质量并从整体上对免疫网络进行优化。     

基于免疫网络和SOM的文本聚类算法研究

文本聚类的核心问题是找到一种优化的聚类算法对文本向量进行聚类,是典型的高维数据聚类,提出一种基于自组织神经网络SOM和人工免疫网络aiNet的两阶段文本聚类算法TCBSA。新算法先用SOM神经网络进行聚类,把高维的文本数据映射到二维的平面上,然后再用aiNet对文本聚类。该方法利用SOM神经网络对高维数据降维的优点,克服了人工免疫网络对高维数据的聚类能力差的缺点。仿真实验结果表明该文本聚类算法不仅是可行的,而且具有一定的自适应能力和较好的聚类效果。     

数据聚类的FCM与aiNet方法

模糊C均值聚类算法使用欧氏距离衡量，遇到潜在的类或簇背离超球面结构时表现不佳。利用免疫理论中的克隆选择、亲和力成熟和免疫网络理论来建构一种网络模型aiNet，将其用于数据聚类可以减少数据中的冗余，描述数据结构和聚类形状。通过实验比较了这两种方法的特点，结果表明，当潜在的类或簇背离凸集时，aiNet方法表现出良好的适应性。     

Shot retrieval based on fuzzy evolutionary aiNet and hybrid features

As the multimedia data increasing exponentially, how to get the video data we need efficiently become so important and urgent. In this paper, a novel method for shot retrieval is proposed, which is based on fuzzy evolutionary aiNet and hybrid features. To begin with, the fuzzy evolutionary aiNet algorithm proposed in this paper is utilized to extract key-frames in a video sequence. Meanwhile, to represent a key-frame, hybrid features of color feature, texture feature and spatial structure feature are extracted. Then, the features of key-frames in the same shot are taken as an ensemble and mapped to high dimension space by non-linear mapping, and the result obeys Gaussian distribution. Finally, shot similarity is measured by the probabilistic distance between distributions of the key-frame feature ensembles for two shots, and similar shots are retrieved effectively by using this method. Experimental results show the validity of this proposed method.     

一种改进的基于免疫网络模型(aiNet) 的故障诊断算法

根据抗体群与抗原群的匹配关系,提出一种改进的基于免疫网络模型(aiNet)的故障诊断算法.建立了自适应调整剪枝和抑制阈值的规则,并对K近邻算法的附加距离阈值加以限制,提高了基于aiNet故障诊断算法对已知故障的识别率,克服了其不能识别新故障的缺点.仿真结果表明,改进算法具有优良的故障诊断性能.     

aiNet背景抑制的单帧红外弱小目标检测

针对现有背景抑制算法未能有效抑制背景而导致目标检测率低的问题,提出了一种基于人工免疫网络(aiNet)进行背景抑制、基于行列k均值聚类实现阈值分割的单帧红外弱小目标检测算法。首先采用aiNet结合Robinson警戒环技术,融入自组织特征映射(SOM)拓扑思想,设计一系列抗体进化策略,建立自适应局部空间背景模型—模糊拓扑记忆抗体库,并以此分析各像素点的背景模糊隶属度来抑制背景杂波;接着提出基于行列k均值聚类的阈值分割算法来检测真实目标。实验结果表明,该算法的F1指标高达99%,其能随背景的局部变化来自适应建立空间背景模型,从而自适应抑制背景杂波突显目标,能有效提高信噪比检测弱小目标。