基于遗传算法的模糊关系方程求解

针对模糊关系方程的求解问题,即模糊综合评判逆问题,提出了一种基于遗传算法的求解方法.算法能有效地找出模糊关系方程的全局近似最优解,并且与模糊关系合成算子的具体形式无关,有良好的鲁棒性和自适应能力.仿真结果表明,此方法是一种有效、实用的模糊关系方程求解方法.     

基于云遗传算法的图像相关匹配

针对图像相关匹配计算量大的问题,提出基于云遗传算法的图像相关匹配方法。考虑到图像平均量的存在会增加匹配的难度,对传统归一化相关测度进行修正。为寻找最佳匹配点,将修正后的相关测度作为适应度函数,采用云遗传算法进行寻优。由于云遗传算法具有收敛速度快、局部寻优能力强和不易产生早熟现象等优点,新方法的匹配精度和速度都得到提高,且抗噪声能力强。仿真实验结果表明,新方法对无噪声和有噪声图像都能实现高精度匹配,在匹配精度和速度上优于基于自适应遗传算法的匹配方法。     

基于单亲遗传算法的火力分配方法

提出了将单亲遗传算法应用于火力分配问题的方法,该方法既保持了传统遗传算法的诸多优点,又克服了传统遗传算法要求种群多样性、易陷入局部最优和实时性差等缺点。单亲遗传算法使用经过简化的遗传操作算子,算法的复杂度大大降低,可以应用于实时性要求较高的场合。仿真结果表明,单亲遗传算法能有效地解决火力分配问题,是一种简单、有效和快速的算法,具有很好的应用价值。     

协作机制评价和全局联合最优搜索的通用模型

现有协作机制(CM)评价和选择模型存在通用性差、易陷入局部最优、CM库难以建立及评价函数设计困难等缺陷,不能满足现代复杂协同系统的要求。该文针对CM动态选择系统,构建CM评价的通用模型,设计对CM及其参数进行全局联合最优搜索的遗传算法,对模型和算法进行仿真。仿真结果表明,该模型能克服原有模型的缺陷,其算法能搜索到全局联合最优CM库。     

基于两特征博弈的图像配准方法

图像分析应用对图像配准的精度和速度要求越来越高,传统配准方法很难满足要求。为此,提出一种基于二人博弈的配准方法,该方法将两种基于不同图像特征（如特征点和轮廓）的配准方法视为两个局中人,通过寻求二人博弈的均衡点配准图像。配准过程中,两个局中人通过信息共享改善配准精度和速度。新方法很好地结合了不同图像特征的优点,克服了采用单一特征进行配准的不足。针对医学图像、遥感图像和航拍图像的实验表明,在选择合适图像特征的前提下,新方法的配准速度和配准精度都优于基于SIFT的配准方法。     

分布异质传感器下的神经网络集成目标识别法

针对分布式信息融合结构、异质传感器条件下的目标识别问题,在以往采用单个神经网络进行目标识别的基础上,提出了基于神经网络集成的目标识别方法.给出了生成神经网络集成的具体方法,并构造了一个实际的空中目标识别系统.仿真结果表明,系统的目标识别性能明显优于单个神经网络的目标识别性能,具有较高的应用价值.     

非刚性医学图像的博弈配准方法

提出一种通过像素间的非合作博弈实现非刚性医学图像配准的方法。首先用离散位移场表示形变,将配准问题归结为马尔可夫随机场中的最大后验概率推理问题,并转化为吉布斯随机场的能量极小问题。然后将配准视为像素间的博弈,通过寻找纳什均衡点获得能量极小点,完成图像配准。博弈过程中,各个像素都选择使自身收益最大化的位移向量。该方法能配准任意形变,需要设定的参数少,易于实现。实验结果表明,博弈配准方法的配准能力强,精度高,对图像分辨率的变化具有鲁棒性。     

图像配准的复制动力学方法

为了实现高精度图像配准,把单个像素看做参与博弈的局中人,将图像配准视为图像中各个像素与其周边像素的演化博弈过程。为了寻求博弈的均衡点,根据配准问题的特点,对复制方程进行修改,提出基于修改后的复制方程的图像配准方法。新方法是完全基于问题域建立起来的,能实现对任意形变的高精度配准,并且配准精度与分辨率无关。针对刚性形变的遥感图像和非刚性形变的医学图像进行了两组实验,结果表明了新算法的有效性。