| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第一章 绪论 | 第12-32页 |
| ·仿生算法概述 | 第12-23页 |
| ·仿生算法的起源与特征 | 第12-13页 |
| ·仿生算法的发展与现状 | 第13-23页 |
| ·最优化问题 | 第23-24页 |
| ·函数优化问题 | 第23-24页 |
| ·组合优化问题 | 第24页 |
| ·图像分割概述 | 第24-28页 |
| ·图像分割定义与分类 | 第24-25页 |
| ·阈值分割分类与现状 | 第25-28页 |
| ·本文结构安排和主要创新点 | 第28-32页 |
| 第二章 互补双亲遗传算法 | 第32-49页 |
| ·引言 | 第32-37页 |
| ·遗传算法流程 | 第32-33页 |
| ·遗传算法基础理论简介 | 第33-34页 |
| ·遗传算法的改进 | 第34-37页 |
| ·一种伪遗传算法 | 第37-43页 |
| ·伪遗传算法的提出 | 第37-39页 |
| ·伪遗传算法理论分析 | 第39-43页 |
| ·互补双亲遗传算法 | 第43-45页 |
| ·实验与结论 | 第45-47页 |
| ·本章小结 | 第47-49页 |
| 第三章 基于遗传算法的自动多阈值图像分割 | 第49-62页 |
| ·引言 | 第49-50页 |
| ·AMT-BSGA 算法原理与流程 | 第50-53页 |
| ·分块采样 | 第51页 |
| ·利用 GA 对样本进行优化 | 第51-52页 |
| ·阈值和阈值数的自动预测 | 第52-53页 |
| ·阈值和阈值数目的进一步优化 | 第53页 |
| ·AMT-BSGA 算法分析 | 第53-57页 |
| ·分块采样方法分析 | 第53-54页 |
| ·优化方法设计及分析 | 第54-57页 |
| ·算法复杂度分析 | 第57页 |
| ·仿真实验 | 第57-61页 |
| ·本章小结 | 第61-62页 |
| 第四章 贝叶斯型进化算法 | 第62-95页 |
| ·引言 | 第62-74页 |
| ·分布估计算法简介与应用 | 第62-64页 |
| ·分布估计算法理论研究 | 第64-65页 |
| ·分布估计算法改进 | 第65-72页 |
| ·贝叶斯型进化算法的提出 | 第72-74页 |
| ·贝叶斯型进化算法原理与流程 | 第74-78页 |
| ·相关定义与符号表示 | 第74页 |
| ·算法原理与特色 | 第74-76页 |
| ·算法流程 | 第76-77页 |
| ·子区间的划分与变异算子 | 第77-78页 |
| ·贝叶斯型进化算法理论分析 | 第78-84页 |
| ·BFEA 算法的收敛性分析 | 第78-81页 |
| ·BFEA 算法收敛速率分析 | 第81-82页 |
| ·逆收敛算子分析 | 第82-84页 |
| ·贝叶斯型进化算法实验分析 | 第84-93页 |
| ·单变量的函数优化问题实验 | 第85-87页 |
| ·欺骗问题的实验分析 | 第87-88页 |
| ·低维函数优化性能比较 | 第88-91页 |
| ·高维函数优化性能比较 | 第91-93页 |
| ·本章小结 | 第93-95页 |
| 第五章 用于图像多阈值分割的贝叶斯粒子群算法 | 第95-118页 |
| ·引言 | 第95-106页 |
| ·粒子群算法简介与应用 | 第95-101页 |
| ·粒子群算法的理论研究 | 第101-102页 |
| ·粒子群算法的改进 | 第102-104页 |
| ·贝叶斯粒子群算法的提出 | 第104-106页 |
| ·贝叶斯粒子群算法 | 第106-109页 |
| ·BPSO 初始化策略 | 第107页 |
| ·预测向量 Bayes | 第107-108页 |
| ·BPSO 参数设置 | 第108-109页 |
| ·预测向量 Bayes 和延缓算子的分析 | 第109-110页 |
| ·贝叶斯粒子群算法实验分析 | 第110-117页 |
| ·图像分割结果比较(M=4) | 第111-112页 |
| ·阈值、一致性度量 U、计算时间比较(M=2,3,4) | 第112-115页 |
| ·稳定性实验(M=4) | 第115-116页 |
| ·克服“维数灾难”能力实验(M=5,9,12,16) | 第116-117页 |
| ·本章小结 | 第117-118页 |
| 结论与展望 | 第118-121页 |
| 参考文献 | 第121-138页 |
| 攻读博士学位期间取得的研究成果 | 第138-140页 |
| 致谢 | 第140-141页 |