首页 | 本学科首页   官方微博 | 高级检索  
     检索      

基于粒子群优化的核匹配追踪目标识别
引用本文:徐小慧,魏鑫,张安.基于粒子群优化的核匹配追踪目标识别[J].光子学报,2009,38(4):992-996.
作者姓名:徐小慧  魏鑫  张安
作者单位:1. 中国人民解放军驻114厂军代表室,西安,710077;西北工业大学,电子信息学院,西安,710072
2. 中国人民解放军驻西飞公司军代表室,西安,710089
3. 西北工业大学,电子信息学院,西安,710072
摘    要:提出了一种基于粒子群优化的用于目标识别的核匹配追踪算法.该算法用粒子群优化算法在基函数字典中选择最优的基函数,大大降低了基匹配追踪算法的计算复杂度.通过与标准核匹配追踪算法及基于遗传算法的核匹配追踪算法对UCI数据集及纹理图像的识别试验表明,核匹配追踪算法优良的分类性能以及粒子群优化算法高效的全局搜索能力使新算法能有效识别目标数据.

关 键 词:目标识别  核匹配追踪  粒子群优化  光学信息处理  进化算法
收稿时间:2007-10-29
修稿时间:2008-01-06

Object Recognition Using Particle Swarm Optimization based Kernel Matching Pursuit
XU Xiao-hui,WEI Xin,ZHANG An.Object Recognition Using Particle Swarm Optimization based Kernel Matching Pursuit[J].Acta Photonica Sinica,2009,38(4):992-996.
Authors:XU Xiao-hui  WEI Xin  ZHANG An
Institution:1. College of Electronic and Information, Northwest Polytechnical University, Xi′an 710072, China
2. PLA Representative office stationing in QingAn Group Co.Ltd, Xi′an 710077, China
3. PLA Representative office stationing in Xi′an aircraft industry group Co.Ltd, Xi′an 710089, China
Abstract:A method for object recognition using Kernel matching pursuits based on particle swarm optimization technique is presented.By using the particle swarm optimization algorithm in search basic function data in function dictionary,the Kernel matching pursuits method can reduces computational complexity of basic matching pursuit algorithm.As compared with kernel matching pursuits in UCI database and texture image recognition,the proposed algorithm can recognize desired object effectively.This owes to the fact th...
Keywords:Object recognition  Kernel matching pursuits  Particle swarm optimization  Optical information processing  Evolutionary algorithms
本文献已被 CNKI 维普 万方数据 等数据库收录!
点击此处可从《光子学报》浏览原始摘要信息
点击此处可从《光子学报》下载免费的PDF全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号