群体智能算法及在三维文物虚拟拼接中的应用

发布时间:2017-03-29 17:16

  本文关键词:群体智能算法及在三维文物虚拟拼接中的应用,,由笔耕文化传播整理发布。


【摘要】:群体智能算法在求解工程领域的复杂优化问题中已经得到广泛认可。然而因其源于生物模拟而且包含复杂的随机群体行为,目前缺乏严谨的收敛证明,存在收敛速度慢、早熟等现象,理论的缺乏阻碍其发展和应用。传统三维文物碎片虚拟拼接中面临相邻碎片识别能力不强和整体拼接方法鲁棒性差的问题,其数学模型都是复杂优化问题。本文对群体智能优化算法全局收敛性进行研究,研究保证全局收敛的新型算法,针对三维文物模型虚拟拼接中的优化问题开展基于群体智能的最优化应用研究。主要贡献包括:(1)提出了两种改进的社会认知优化算法,提高了算法的全局收敛能力针对传统社会认知优化算法缺少全局收敛的理论分析及开发和开采能力有待进一步提高的问题,对算法的全局收敛性给出了证明,引入混沌群体和精英群体,提出了一种保证收敛的自然认知优化算法;在算法邻域搜索中引入量子行为搜索机制,提出了具有量子行为的认知优化算法。新算法全局收敛性得到保证,收敛速度得到提高,为应用范围的扩展奠定理论基础。(2)提出了一种混沌细菌群体趋药性优化算法,提高了算法的开发能力针对细菌群体趋药算法理论分析缺乏和收敛速度慢的问题,给出细菌趋药算法和细菌群体趋药算法全局收敛性证明,提出了一种混沌细菌群体趋药算法,在细菌群体中加入混沌搜索群体,两群同步迭代,分享最优搜索结果,提高细菌群体中个体的多样性,提高算法的全局收敛性和收敛速度。(3)提出了多特征提取和智能融合匹配识别方法,提高了文物相邻碎片的识别能力针对文物特征信息不准确的问题,采用文物多特征提取算法提取文物的多特征,提出了基于证据推理和区间数的多特征智能融合匹配识别方法,解决了单一特征信息模糊不确定带来的误匹配问题,提高了特征提取的精度,提升了文物相邻碎片的识别能力,为文物的全局拼接奠定基础。(4)提出了基于群体智能的全局最优匹配和智能配准的拼接方法,提高了拼接方法的健壮性针对传统整体拼接缺少全局考虑、碎片不存在包含关系和对应点难以确定的问题,对两类全局匹配问题利用离散自然认知优化算法进行优化求解,用改进的离散混沌细菌群体趋药算法得到最优的粗匹配点对,利用混沌细菌群体趋药算法得到最优坐标变换,提高了匹配算法的全局优化能力和健壮性,提高了配准的精度和效率,扩展了配准算法的使用范围。综上,研究包括算法收敛研究和算法应用研究两个方面。理论上对所提群体智能算法给出全局收敛性证明,提高算法的性能和适用性;应用上针对三维文物模型拼接过程中的关键问题提出了基于群体智能优化算法的解决方案,促进了群体智能算法在三维模型处理中的应用。
【关键词】:社会认知优化算法 细菌群体趋药算法 虚拟拼接 全局匹配 智能配准
【学位授予单位】:西北大学
【学位级别】:博士
【学位授予年份】:2015
【分类号】:TP391.41
【目录】:
  • 摘要4-6
  • Abstract6-12
  • 第一章 绪论12-38
  • 1.1 引言12-15
  • 1.2 社会认知优化算法15-20
  • 1.2.1 算法提出15-16
  • 1.2.2 基本概念16-17
  • 1.2.3 SCO算法步骤17-18
  • 1.2.4 研究进展18-20
  • 1.3 细菌群体趋药性算法20-24
  • 1.3.1 算法原理20-21
  • 1.3.2 BCC算法步骤21-23
  • 1.3.3 研究进展23-24
  • 1.4 三维文物拼接处理中的问题24-32
  • 1.4.1 多特征提取及融合匹配识别问题26-28
  • 1.4.2 多碎片的全局拼接问题28-31
  • 1.4.3 问题小结31-32
  • 1.5 研究内容和主要创新点32-36
  • 1.5.1 研究内容33-34
  • 1.5.2 主要创新点34-36
  • 1.6 本文的结构36-38
  • 第二章 新型社会认知优化算法38-54
  • 2.1 社会认知优化理论38
  • 2.2 SCO算法的收敛性分析38-41
  • 2.2.1 随机算法的收敛准则39-40
  • 2.2.2 SCO算法收敛性证明40-41
  • 2.3 自然社会认知优化算法41-50
  • 2.3.1 智商分布统计理论41-43
  • 2.3.2 混沌优化算法43-44
  • 2.3.3 精英策略44
  • 2.3.4 HSCO算法步骤44-46
  • 2.3.5 HSCO算法的全局收敛性46-47
  • 2.3.6 数值实验分析47-50
  • 2.4 具有量子行为的SCO算法50-53
  • 2.4.1 QSCO算法50-51
  • 2.4.2 实验分析及收敛证明51-53
  • 2.5 本章小结53-54
  • 第三章 混沌细菌群体趋药优化算法54-66
  • 3.1 引言54-55
  • 3.2 BC算法及收敛性分析55-56
  • 3.2.1 BC算法55
  • 3.2.2 BC算法收敛性分析55-56
  • 3.3 BCC算法及收敛性分析56
  • 3.4 混沌细菌群体趋药性算法56-64
  • 3.4.1 算法原理56-57
  • 3.4.2 Tent映射57
  • 3.4.3 CBCC算法步骤及收敛性证明57-58
  • 3.4.5 数值实验分析58-64
  • 3.5 本章小结64-66
  • 第四章 三维文物碎片特征提取66-74
  • 4.1 引言66-67
  • 4.2 特征轮廓线提取技术67-69
  • 4.2.1 主轮廓线提取68
  • 4.2.2 次轮廓线提取68-69
  • 4.2.3 特征轮廓线生成69
  • 4.3 厚度直方图算法69-71
  • 4.3.1 厚度直方图算法69-71
  • 4.3.2 厚度直方图相似性度量71
  • 4.4 自旋图提取算法71-73
  • 4.4.1 自旋图生成72
  • 4.4.2 顶点归一化72
  • 4.4.3 自旋图相似性度量72-73
  • 4.5 本章小结73-74
  • 第五章 基于证据和区间数的多特征智能融合识别方法74-88
  • 5.1 引言74-75
  • 5.2 D-S证据合并理论模型75-77
  • 5.3 区间数理论77-78
  • 5.4 区间数生成BPA78
  • 5.4.1 生成原理分析78
  • 5.4.2 用区间数生成BPA78
  • 5.5 D-S的权重值优化78-81
  • 5.5.1 证据合成理论的权值统一79
  • 5.5.2 D-S权重值优化算法79-80
  • 5.5.3 权重优化模型80-81
  • 5.5.4 HSCO算法优化权重81
  • 5.6 实验分析81-86
  • 5.7 本章小结86-88
  • 第六章 基于DHSCO算法的全局最优匹配88-100
  • 6.1 引言88-90
  • 6.2 基于群体智能的整体匹配原理90-91
  • 6.3 完全匹配的多碎片匹配算法模型91-94
  • 6.3.1 编码91-93
  • 6.3.2 适应值函数93-94
  • 6.3.3 离散HSCO算法迭代公式94
  • 6.4 部分匹配的多碎片匹配算法模型94-95
  • 6.4.1 编码95
  • 6.4.2 迭代公式95
  • 6.5 基于DHSCO的全局匹配算法分析95-96
  • 6.6 实例分析96-99
  • 6.7 本章小结99-100
  • 第七章 基于显著特征的智能配准算法100-114
  • 7.1 引言100-101
  • 7.2 显著特征点提取101-103
  • 7.2.1 点云法向量估计和调整101-102
  • 7.2.2 基于MLS面计算点云曲率102
  • 7.2.3 显著特征提取102-103
  • 7.3 粗配准103-108
  • 7.3.1 获取初始匹配点103-104
  • 7.3.2 约束剪枝104
  • 7.3.3 基于离散CBCC算法的粗匹配点对优化104-108
  • 7.4 精细配准108-109
  • 7.4.1 基于CBCC的最优变换求解108
  • 7.4.2 ICPIF精配准108-109
  • 7.5 实验分析109-111
  • 7.6 本章小结111-114
  • 第八章 总结与展望114-118
  • 8.1 工作总结114-115
  • 8.2 工作展望115-118
  • 参考文献118-128
  • 附录128-132
  • 攻读博士学位期间取得的研究成果132-134
  • 致谢134

【引证文献】

中国重要会议论文全文数据库 前3条

1 罗景峰;许开立;;社会认知优化算法在系统可靠性优化中的应用[A];第四届中国智能计算大会论文集[C];2010年

2 杨飞;周凡;王若梅;刘俪;罗笑南;;一种快速有效地基于区域增长的网格分割算法[A];第六届全国几何设计与计算学术会议论文集[C];2013年

3 沈超慧;;基于多尺度特征聚类的三维模型局部形状检索方法[A];第四届和谐人机环境联合学术会议论文集[C];2008年


  本文关键词:群体智能算法及在三维文物虚拟拼接中的应用,由笔耕文化传播整理发布。



本文编号:275004

资料下载
论文发表

本文链接:https://www.wllwen.com/shoufeilunwen/xxkjbs/275004.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户1e1e9***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com