多策略融合的粒子群算法改进及其在图像分割中的应用

发布时间：2023-02-18 10:34

　　粒子群优化算法作为群智能优化算法的典型代表,较其他群智能算法而言有参数简单、易于实现、收敛速度较快等特点。但粒子群算法也存在着陷入局部最优的问题,针对该问题,引入了两种改进思路,研究了四种改进算法。通过标准测试函数对算法进行基本性能检验,最后将改进算法用于多阈值图像分割,同时与原算法进行了对比仿真实验。该研究的主要工作如下。首先,为了防止全局最优粒子(gbest)对于其他粒子的过度影响,将粒子的维度信息均值作为了新的信息源,同时还能促进粒子各维度之间的信息交流。在粒子的更新公式选择上,将以概率为准则的选择方式扩展到以时间或迭代次数为准则的选择方式,结合简化粒子群来提高算法的收敛速度,最后得到了两种改进算法概率层次简化粒子群(PHSPSO)和时间层次简化粒子群(THSPSO)。15个常用测试函数的仿真实验结果表明两种改进算法在基本函数上的表现较好,概率策略改进的算法表现最优。其次,由于PHSPSO和THSPSO在某些测试函数上的寻优能力还有进一步的提升空间,借鉴雁群启示算法和扩展粒子群算法得到了基于雁群启示的扩展粒子群算法(GeEPSO),使粒子能避免过度集中又能综合其他粒子的信息。这种...

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究的背景与意义
    1.2 国内外研究现状
    1.3 论文章节安排与研究内容
第2章 融合维度信息均值的层次简化粒子群算法
    2.1 粒子群优化算法及其简化
        2.1.1 粒子群算法基本原理
        2.1.2 粒子群算法参数设置
        2.1.3 简化粒子群算法
    2.2 维度信息均值模型
    2.3 融合维度信息均值的层次简化粒子群算法
    2.4 基准测试函数
    2.5 实验仿真与结果分析
        2.5.1 粒子搜索过程
        2.5.2 参数选取
        2.5.3 实验结果与分析
    2.6 本章小结
第3章 基于雁群启示的扩展简化粒子群算法
    3.1 基于雁群启示的扩展粒子群算法
    3.2 基于雁群启示的扩展简化粒子群算法
    3.3 实验仿真与结果分析
    3.4 本章小结
第4章 改进粒子群算法在多阈值图像分割的应用
    4.1 图像分割
    4.2 改进粒子群优化最大类间方差法
    4.3 图像分割实验与分析
        4.3.1 分割图像质量评价
        4.3.2 实验结果与分析
    4.4 本章小结
结论
参考文献
攻读硕士学位期间承担的科研任务与主要成果
致谢



本文编号：3744792