| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第14-20页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 多目标和声搜索算法的研究现状 | 第15-17页 |
| 1.3 智能交通领域图像分割研究现状 | 第17-18页 |
| 1.4 本文的主要内容及章节安排 | 第18-20页 |
| 第2章 基于和声记忆库方差的自适应多目标和声搜索算法 | 第20-42页 |
| 2.1 多目标优化的基本概念 | 第20-21页 |
| 2.2 和声搜索算法概述 | 第21-24页 |
| 2.2.1 和声搜索算法的原理 | 第21-22页 |
| 2.2.2 和声搜索算法运算过程 | 第22-24页 |
| 2.3 SAMOHS算法 | 第24-30页 |
| 2.3.1 SAMOHS算法运算过程 | 第24-26页 |
| 2.3.2 新颖的参数自适应机制 | 第26-29页 |
| 2.3.3 更新和声记忆库 | 第29-30页 |
| 2.4 数值实验 | 第30-41页 |
| 2.4.1 多目标优化算法性能评价指标 | 第30-31页 |
| 2.4.2 SAMOHS与其它MOEAs的比较 | 第31-36页 |
| 2.4.3 SAMOHS与其它多目标和声搜索算法的比较 | 第36-39页 |
| 2.4.4 参数HMS对SAMOHS算法性能的影响 | 第39-41页 |
| 2.5 本章小结 | 第41-42页 |
| 第3章 SAMOHS算法在图像分割中的应用 | 第42-61页 |
| 3.1 图像分割的基本概念 | 第42-43页 |
| 3.2 进化多目标聚类算法分析 | 第43-44页 |
| 3.3 基于自适应多目标和声搜索优化聚类的图像分割算法 | 第44-47页 |
| 3.3.1 SAMOHSFC算法运算过程 | 第44-45页 |
| 3.3.2 初始化和声记忆库 | 第45-46页 |
| 3.3.3 计算自适应度值 | 第46-47页 |
| 3.3.4 评估聚类有效性 | 第47页 |
| 3.4 实验结果与分析 | 第47-60页 |
| 3.4.1 标准测试图像实验结果与分析 | 第47-55页 |
| 3.4.2 交通图像实验结果与分析 | 第55-60页 |
| 3.5 本章小结 | 第60-61页 |
| 第4章 基于高斯变异的多目标和声搜索优化聚类的交通图像分割算法 | 第61-77页 |
| 4.1 新颖的基于高斯变异的多目标和声搜索算法简介 | 第61页 |
| 4.2 基于高斯变异的多目标和声搜索优化聚类的交通图像分割算法 | 第61-70页 |
| 4.2.1 初始化和声记忆库 | 第62页 |
| 4.2.2 产生一个新的和声向量 | 第62-67页 |
| 4.2.3 计算自适应度值 | 第67-68页 |
| 4.2.4 更新和声记忆库 | 第68页 |
| 4.2.5 GMHSFC算法运算过程 | 第68-70页 |
| 4.3 实验结果与分析 | 第70-76页 |
| 4.3.1 实验设计 | 第70-71页 |
| 4.3.2 无噪声的交通图像实验结果与分析 | 第71-75页 |
| 4.3.3 有噪声的交通图像实验结果与分析 | 第75-76页 |
| 4.4 本章小结 | 第76-77页 |
| 第5章 总结与展望 | 第77-80页 |
| 5.1 总结 | 第77-78页 |
| 5.2 展望 | 第78-80页 |
| 参考文献 | 第80-86页 |
| 致谢 | 第86-87页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第87页 |
