免费论文摘要：矫正粒子群优化算法及其在图像分隔中的运用

粒子群优化算法（Particle Swarm Optimization，PSO）是一种鉴于对鸟群和鱼群社会动作的模仿提出的一个别致的进化优化算法。因为该算法道理大略、参数少、实行简单且运转功效高档便宜，已提出就惹起宏大国表里鸿儒的接洽和探究，变成一个新的关心热门。眼前粒子群优化算法已被多运用于多目的优化、形式辨别、数据发掘、图像分隔等范围。但其论表面领会和试验运用都还不完备，有待于进一步接洽。本舆论对粒子群优化算法的表面和运用举行了深刻的商量和领会，简直有觉得几点：开始，对准算法展示“早熟”局面和进化后期抑制速率过慢等缺陷提出了两个矫正：一个矫正是在Gesse-PS0算法普通上，将速率革新公式分为三个局部，前两个局部觉得是个别消息，后一局部觉得是集体消息，辨别给个别消息和集体消息加一权值，使粒子在前期重要商量自己消息，在后期重要商量集体消息的共享，使得在前期有较高全部探求本领，后期有较高的限制探求本领，制止早熟抑制。为提防后期过于“趋同性”，介入随机扰动战略，使粒子跳出限制极值。另一个矫正是将蜂群优化算法（Artificial Bees Algorithm, BA）和粒子群算法融洽，模仿蜂群算法中观察蜂范围探求思维，每个粒子按确定准则给本人分别一个范围空间，在范围空间中探求，即使范围内粒子个别极值优于该粒子汗青最优极值，则范围中粒子个别极值动作该粒子的汗青最优值。经过对粒子范围的探求，维持了粒子集体的百般性。其次，正文将粒子群算法和鉴于图谱表面的谱聚类算法融洽。借粒子群算法寻优性好、抑制速率快的便宜，在谱聚类中，对数据的拉普拉斯矩阵的前K个特性向量求K均值聚类时运用粒子群优化算法，实行赶快聚类。谱聚类算法不妨处置大肆形势的巨型数据，不妨降维，将其和粒子群优化算法贯串，不妨使粒子群算法赶快的处置少许高维数的因变量优化、工程优化等范围题目。结果，正文将提出的几种粒子群矫正算法用来图像分隔中。二维最大熵阈值分隔是图像分隔中表面接洽比拟老练的分隔本领。二维最大熵阈值分隔法要害是赶快灵验的找到一个符合的阈值。运用矫正粒子群算法的高速抑制和高精度探求便宜求取最好阈值。仿真试验表明：矫正粒子群算法能精确的赶快的找到最好分隔阈值，而且对图像分隔的功效很理念。

来源：半壳优胜鲸鱼幸运星转载请保留出处和链接！

本文链接：http://87cpy.com/246165.html