基于多特征抽取的商标图像检索

提出了一种多特征抽取方法进行商标图像检索。首先根据图像的连通性把图像分割成多个独立的单元子图像,然后对各个单元子图像提取特征;同时提出多对多特征匹配方法对商标图像进行检索。实验结果表明,应用该方法得到的检索结果是有效的,能够很好地满足人的视觉感受。     

基于改进遗传算法的社区挖掘研究

传统遗传算法应用于社区挖掘时初始种群划分精确度不高,且容易降低算法整体搜索性能。为此,提出一种改进的遗传算法,并将其引入到社区挖掘研究中。结合结构相似度与轮盘赌选择法,使染色体的每个基因趋向于选择结构相似度较大的邻居节点,提高初始种群的社区划分质量并加速算法收敛速度。实验结果表明,在人工基准网络中,该算法的初始种群划分精确度和模块度比传统遗传算法平均提高18%和12%,整体划分精确度比FEC和FN算法平均提高24. 02%和22. 01%,在真实世界网络中,社区划分精确度均优于FN、FEC和LPA算法,从而验证该算法具有较好的社团挖掘性能。     

基于NMI不变特征的二值商标图像检索方法研究

商标图像的检索在图像库系统管理和应用中得到了越来越多的重视。文中针对二值商标图像，提出一种基于 NMI 特征的商标图像检索方法。其特点是计算简单，精确度高，具有抗几何畸变性，对滤波、平滑、压缩等图像操作有一定的鲁棒性．试 验结果表明，该方法具有一定实用价值，可用于二值商标图像检索。     

基于NMI不变特征的二值商标图像检索方法研究

商标图像的检索在图像库系统管理和应用中得到了越来越多的重视。文中针对二值商标图像,提出一种基于NMI特征的商标图像检索方法。其特点是计算简单,精确度高,具有抗几何畸变性,对滤波、平滑、压缩等图像操作有一定的鲁棒性。试验结果表明,该方法具有一定实用价值,可用于二值商标图像检索。     

基于形状与空间位置特征的二值商标图像检索

本文将商标图像看作是由一些具有显著形状特征的区域构成的集合体,对于这样一个集合体,提出了一种基于形状与空间位置特征的检索方法.该方法既考虑了商标内部各组成部分的形状特征,又兼顾了它们之间的空间位置关系,从而保证了图像局部与整体的一致性,具有很好的检索精度.与仅仅利用图像的形状特征进行检索的实验结果相比,其检索结果更加符合人的视觉感受.     

基于多纹理特征的商标图像检索

提出了一种基于多纹理特征的商标图像检索方法。首先对图像纹理特征进行分析,从人眼视觉角度选用粗糙度和方向性这2个纹理特征量;从统计分析的角度出发,基于图像灰度共生矩阵描述了二阶矩、熵、对比度和均匀性这4个纹理特征量。这6个纹理特征量从不同角度刻画了图像特征,对其归一化后用欧氏距离进行图像相似性度量。通过实验,证明了该方法可以取得比较满意的检索结果。     

公平席位分配问题在遗传选择操作中的应用

选择是遗传算法的三大基本操作之一, 适应度比例选择是遗传算法最常用的选择方法。首先比较其与公平席位分配问题的相同点, 将其转换为公平席位分配问题; 其次, 为了克服经典适应度比例选择实现方法、即轮盘赌方法稳定性和可靠性差、随机性高的缺点, 提出了改进轮盘赌、比例加惯例法、Q值法、d'Hondt法等, 并将这些新方法与传统的轮盘赌方法在公平席位分配原则上进行理论上的比较评价。最后, 在立方体、Schaffer、Powell奇异等标准数值测试函数上的实验结果表明, 新引入的比例加惯例法和d'Hondt法选择操作比传统的轮盘赌方法稳定性高, 有效提高了遗传算法收敛于全局最优解的概率, 加快了收敛速度, 能够用更低的计算代价获得更佳的优化效果, 其中比例加惯例法和d'Hondt法最为突出。     

基于子图像多特征组合的商标图像检索

本文提出了基于子图像特征组合的商标图像检索算法.首先对商标图像进行子图像抽取,然后根据子图像单特征计算图像与目标图像的单特征距离,最后基于多特征组合得到图像相似性度量.用Hu不变矩对基于子图像多特征组合的商标图像检索算法进行实验,用PVR指数作为图像检索性能评价准则.实验表明,相对基于全局图像单特征的检索算法,基于子图像多特征组合的商标图像检索算法具有更出色的检索性能,其检索结果更符合人眼的视觉感受.     

基于特征的二值商标分层检索方法

针对以往商标图像搜索方法单一,并且缺少用户反馈的缺点,文中提出一种基于形状特征和纹理特征的二值商标图像分层搜索方法.该方法首先利用HU不变矩提取图像的形状特征;然后利用欧氏距离来测量图像的相似度,进行第一次筛选得到一个数目不定的候选集;接着利用灰度直方图的方法提取候选集中的图像的纹理信息,进行第二次筛选;最后通过用户的反馈进行不断的优化.从而使检索出来的图像更加迅速和准确,更加符合人的视觉感受.     

基于混合粒子群算法的高维优化问题求解

为解决高维复杂函数的优化问题，克服标准粒子群算法早熟收敛、局部搜索能力弱等缺点，在标准粒子群优化算法中融合了遗传算法的设计思想，提出了一种新颖的混合粒子群算法。高维函数个别维上的差解导致算法最终无法找到全局最优解，而通常的优化算法很难寻找到每一维上的最佳值。受遗传算法思想的启发，在粒子的进化过程中，通过对最优粒子的每一维进行评价，找到导致最终解质量差的维度，对其维上的数据进行变异，进而有针对性地改进，寻找到每一维上的最佳位置。对典型高维复杂函数的仿真表明：算法在求解质量和求解速度两方面都得到了好的结果。     

基于遗传算法的图像检索中特征权重自动调整

综合多种特征的图像检索可以克服使用单一特征带来的问题,如何组织这些特征使其发挥最佳作用是基于内容图像检索中的一个难点。提出了一种基于遗传算法的多特征权重自动赋值方法,首先将图像检索中特征权重调整问题转换为优化问题,进一步利用遗传算法求取权重的最优解,使检索效果达到最好。实验表明,该方法查全率和查准率较高,并且具有较强的鲁棒性和推广能力,对于各种特征和特征表示方法,都能够提供最佳的组合。     

遗传算法选择策略比较

以遗传算法中的轮盘赌选择策略和锦标赛选择策略作为研究对象,通过在13个基准测试函数上的测试,对不同选择策略的性能进行了比较和分析.实验结果表明,锦标赛选择策略比轮盘赌选择策略具有更好的通用性,而且性能更优.在锦标赛选择策略中,组规模为种群规模的60%至80%的锦标赛选择策略效果较好.该实验结果为设计更加合理高效的选择策略提供了有用的参考.     

一种基于学习机制的并行遗传算法

基于生物学群落的概念,提出了一个群落-种群-个体的三层模型,并在该模型上发展了一种基于学习机制的并行遗传算法(PGABL)。算法引入黑板模型作为控制和交互的数据结构,采用群内、群间、群落三个学习算子,将遗传进化和遗传学习相结合,有效地改善了遗传算法的性能。实验结果表明,该算法具有良好的适应性和稳定性。     

遗传算法中自适应的比例选择策略

基于适应度比例的选择策略是遗传算法的基本选择方法,但采用该策略易出现未成熟收敛和随机漫游现象。通过实验分析了两种现象的成因,提出采用自适应的比例选择策略来依据种群性状的改变而动态地调整选择压力,进而调整算法求精和求泛能力的平衡。分析和对比实验证实,新的选择策略可有效克服未成熟收敛和随机漫游现象。     

A modified genetic algorithm with fuzzy roulette wheel selection for job-shop scheduling problems

The job-shop scheduling problem is one of the most difficult production planning problems. Since it is in the NP-hard class, a recent trend in solving the job-shop scheduling problem is shifting towards the use of heuristic and metaheuristic algorithms. This paper proposes a novel metaheuristic algorithm, which is a modification of the genetic algorithm. This proposed algorithm introduces two new concepts to the standard genetic algorithm: (1) fuzzy roulette wheel selection and (2) the mutation operation with tabu list. The proposed algorithm has been evaluated and compared with several state-of-the-art algorithms in the literature. The experimental results on 53 JSSPs show that the proposed algorithm is very effective in solving the combinatorial optimization problems. It outperforms all state-of-the-art algorithms on all benchmark problems in terms of the ability to achieve the optimal solution and the computational time.     

遗传算法轮盘选择机理分析与改进

轮盘选择是遗传算法的遗传操作基础,直接影响复制与交换操作。从纯遗传算法角度进行轮盘选择优化研究,并运用数据库技术,通过对大量实际运算结果的统计及分析表明,采用改进后的轮盘选择策略,能同时显著提高遗传算法的运算效率及全局最优解的搜索概率。     

利用遗传算法和特征权重调整的图像检索

综合多种特征的图像检索可以克服使用单一特征带来的问题,如何组织这些特征使其发挥最佳作用是基于内容图像检索中的一个难点。提出了一种基于遗传算法相关反馈的图像特征权重调整方法,利用遗传算法和特征权重的调整,缩小低层特征和高层语义之间的语义鸿沟,使检索效果在很短的时间内达到最好。实验表明,该方法查全率和查准率较高,对于各种特征的组合,都能达到最佳的检索效果。     

改进的自适应遗传算法

Srinvivas等提出一种自适应遗传算法,交叉概率与变异概率能够随着适应度大小而改变。但在这种算法中,群体中最大适应度值的个体的交叉率和变异率为零,这使得进化走向局部最优解的可能性增加。提出了一种改进的自适应遗传算法,使群体中最大适应度值的个体的交叉率和变异率不为零。实验结果表明该算法在抑制“早熟”现象,防止陷入局部最优,提高种群收敛速度方面都有明显的效果。     

基于灭绝机制的交互式遗传算法

针对传统交互式遗传算法的早熟收敛和用户易疲劳问题,提出灭绝机制,以减小搜索空间,提高算法性能．利用进化历史信息,辨识并灭绝劣势物种和劣势个体．利用搜索空间划分实现优胜与劣汰相互牵制．给出禁忌域与有效域中个体数目关于进化代数的公式．分析算法性能的参数敏感性．有效搜索空间的快速缩小和较小的最大进化代数估计证明了该算法有较高的性能．实验结果表明该算法的高效率．结果进一步证明了缩小了搜索空间,能有效避免早熟和减轻用户疲劳．