自适应CPSO算法研究及其在图像分割中的应用
摘要 | 第5-6页 |
Abstract | 第6-7页 |
目录 | 第8-11页 |
第1章 绪论 | 第11-19页 |
1.1 研究背景 | 第11-12页 |
1.2 国内外研究现状 | 第12-15页 |
1.3 研究意义 | 第15-16页 |
1.4 本文主要研究工作及论文组织结构 | 第16-19页 |
第2章 相关知识介绍 | 第19-29页 |
2.1 粒子群优化算法概述 | 第19-24页 |
2.1.1 基于生物行为的粒子群优化算法 | 第19-20页 |
2.1.2 标准粒子群优化算法数学模型 | 第20-21页 |
2.1.3 调整惯性权重的粒子群优化算法 | 第21页 |
2.1.4 带收缩因子的粒子群优化算法 | 第21-22页 |
2.1.5 标准粒子群优化算法运算流程 | 第22-23页 |
2.1.6 粒子群优化算法与其它进化算法的比较 | 第23-24页 |
2.2 图像分割 | 第24-27页 |
2.2.1 图像中的基本概念 | 第24-25页 |
2.2.2 图像分割原理 | 第25-26页 |
2.2.3 图像分割的方法 | 第26-27页 |
2.3 本章小结 | 第27-29页 |
第3章 改进的自适应粒子群优化算法 | 第29-43页 |
3.1 基本PSO算法参数分析 | 第29-32页 |
3.1.1 惯性权重参数 | 第29-30页 |
3.1.2 最大速度 | 第30页 |
3.1.3 学习因子 | 第30-31页 |
3.1.4 群体规模 | 第31-32页 |
3.2 自适应调整策略 | 第32-34页 |
3.2.1 改进策略 | 第32-33页 |
3.2.2 自适应PSO算法思想 | 第33-34页 |
3.3 IAPSO算法步骤与流程 | 第34-35页 |
3.4 算法测试与分析 | 第35-41页 |
3.4.1 实验环境 | 第35页 |
3.4.2 基准测试函数 | 第35-37页 |
3.4.3 参数的选取 | 第37-38页 |
3.4.4 实验结果与分析 | 第38-40页 |
3.4.5 算法评价 | 第40-41页 |
3.5 本章小结 | 第41-43页 |
第4章 自适应混沌粒子群优化算法 | 第43-57页 |
4.1 混沌优化 | 第43-44页 |
4.1.1 混沌概述 | 第43页 |
4.1.2 混沌优化思想 | 第43-44页 |
4.2 混沌粒子群优化算法 | 第44-49页 |
4.2.1 基本PSO算法搜索过程的不足 | 第44页 |
4.2.2 早熟现象 | 第44-45页 |
4.2.3 混沌优化PSO算法 | 第45-46页 |
4.2.4 无限折叠混沌映射 | 第46-47页 |
4.2.5 CPSO算法步骤及流程 | 第47-49页 |
4.3 自适应混沌粒子群优化算法 | 第49-51页 |
4.3.1 算法思想 | 第49页 |
4.3.2 算法步骤及流程 | 第49-51页 |
4.4 实验测试与分析 | 第51-55页 |
4.4.1 实验测试函数 | 第51页 |
4.4.2 算法参数设置 | 第51-52页 |
4.4.3 实验结果及分析 | 第52-55页 |
4.4.4 算法评价 | 第55页 |
4.5 本章小结 | 第55-57页 |
第5章 ACPSO算法在图像分割中的应用 | 第57-75页 |
5.1 基于一维最大模糊熵的阈值分割 | 第57-60页 |
5.1.1 模糊集 | 第57-58页 |
5.1.2 图像的模糊划分及模糊熵 | 第58-59页 |
5.1.3 基于模糊熵的阈值分割算法 | 第59-60页 |
5.2 基于二维最大模糊熵的阈值分割 | 第60-64页 |
5.2.1 图像的二维模糊划分 | 第60-63页 |
5.2.2 图像二维模糊Shannon熵 | 第63-64页 |
5.3 ACPSO二维模糊熵阈值图像分割 | 第64-67页 |
5.3.1 算法基本思想 | 第64页 |
5.3.2 算法步骤及流程 | 第64-67页 |
5.4 实验测试与分析 | 第67-73页 |
5.4.1 实验设置 | 第67页 |
5.4.2 实验结果与分析 | 第67-73页 |
5.5 本章小结 | 第73-75页 |
第6章 总结与展望 | 第75-77页 |
6.1 工作总结 | 第75页 |
6.2 展望 | 第75-77页 |
参考文献 | 第77-83页 |
致谢 | 第83页 |