摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第10-14页 |
1.1 研究背景和意义 | 第10页 |
1.2 混沌优化算法的研究现状 | 第10-11页 |
1.3 交通图像分割算法研究现状 | 第11-13页 |
1.4 本文的主要内容及章节安排 | 第13-14页 |
第2章 并行混沌和声搜索算法 | 第14-23页 |
2.1 混沌的定义及特性 | 第14-15页 |
2.2 经典混沌优化算法 | 第15-16页 |
2.3 混沌优化算法的改进 | 第16-20页 |
2.3.1 并行混沌优化算法 | 第16-17页 |
2.3.2 和声搜索算法 | 第17-19页 |
2.3.3 并行混沌和声搜索算法 | 第19-20页 |
2.4 实验仿真 | 第20-22页 |
2.5 本章小结 | 第22-23页 |
第3章 多目标混沌优化算法 | 第23-42页 |
3.1 多目标优化的基本概念 | 第23-24页 |
3.2 多目标混沌优化算法 | 第24-28页 |
3.2.1 交叉操作 | 第24-25页 |
3.2.2 合并操作 | 第25-26页 |
3.2.3 自适应噪声 | 第26页 |
3.2.4 种群的更新 | 第26-27页 |
3.2.5 多目标混沌优化算法流程图 | 第27-28页 |
3.3 实验仿真 | 第28-41页 |
3.3.1 多目标测试函数 | 第28-31页 |
3.3.2 多目标优化算法的评价指标 | 第31-32页 |
3.3.3 实验结果 | 第32-35页 |
3.3.4 实验结果分析 | 第35-37页 |
3.3.5 种群数大小对算法性能的影响 | 第37-39页 |
3.3.6 交叉以及合并概率对算法性能的影响 | 第39-41页 |
3.4 本章小结 | 第41-42页 |
第4章 混沌优化算法在交通图像分割中的应用 | 第42-68页 |
4.1 图像分割的基本概念 | 第42页 |
4.2 交通图像聚类优化指标 | 第42-44页 |
4.3 基于并行混沌和声搜索聚类的交通图像分割算法 | 第44-49页 |
4.3.1 硬聚类算法 | 第44-45页 |
4.3.2 模糊聚类算法 | 第45-47页 |
4.3.3 并行混沌和声搜索聚类算法 | 第47-49页 |
4.4 实验仿真 | 第49-54页 |
4.5 基于多目标混沌优化聚类的交通图像分割算法 | 第54-56页 |
4.5.1 多目标优化聚类算法的基本框架 | 第54-55页 |
4.5.2 多目标混沌优化聚类算法 | 第55-56页 |
4.6 实验仿真 | 第56-67页 |
4.6.1 多目标混沌优化聚类算法与并行混沌和声搜索聚类算法的对比 | 第61-64页 |
4.6.2 多目标混沌优化聚类算法与多目标遗传优化聚类算法的对比 | 第64-67页 |
4.7 本章小结 | 第67-68页 |
第5章 总结与展望 | 第68-71页 |
5.1 总结 | 第68-69页 |
5.2 展望 | 第69-71页 |
参考文献 | 第71-76页 |
致谢 | 第76-77页 |
附录A 攻读学位期间所发表的学术论文目录 | 第77页 |