基于多目标遗传算法的模糊分类系统设计

提出了一种基于多目标遗传算法的模糊建模方法,实现了具备最大分类精度、最少特征变量和模糊规则数目的模糊分类系统的设计.首先,为缓解维数灾难问题,采用多目标遗传算法进行特征变量的选择和论域的模糊划分,构造基于栅格划分的初始模糊分类系统.然后为减少规则数目,提高模糊系统的解释性,采用遗传算法进行规则选择,得到具备较少规则数目的精简模糊分类系统.最后为提高精确性,采用约束遗传算法对精简模糊分类系统进行整体优化,在解释性不变的前提下,提高模糊分类系统的精确性.Iris和W ine分类系统的仿真,验证了该方法的有效性.     

基于遗传算法的图像模糊增强的研究

为了实现图像的模糊增强,采用遗传算法得到的模糊参数,选择图像像素灰度的相对等级作为模糊特征,通过模糊映射建立图像的模糊特征平面,采用模糊对比度增强的方法实现图像的增强.实验结果表明采用基于遗传算法的图像模糊增强算法,可以根据不同的图像自动选择最佳的模糊参数,图像质量得到了改善,突出图像的细节,有效地实现了图像的增强效果.     

模糊多目标可靠性优化设计的遗传算法

给出模糊多目标可靠性优化设计的一个遗传算法.该方法利用模糊集隶属函数的特性将各子目标函数模糊化处理为能够反映各子目标相对重要程度,具有加权指数的协调满意度函数形式;通过加权函数将各子目标的协调满意度函数综合成统一的单目标优化模型,用遗传算法求解模型.通过实例验证该方法的有效性.     

一种求解车辆路径问题的双目标遗传算法

车辆路径问题是一个NP-难问题,将该问题描述成为一个多目标最优化问题,并为之提出了一种双目标遗传算法来解决该问题.在算法中设计了一种新的构造非支配集的方法,改进了杂交算子,混合了局部爬山法.实验结果表明该算法是求解车辆路径问题的一种高效的算法.     

基于模糊逻辑的多目标优化问题遗传算法求解探讨

基于群体搜索的遗传算法求解多目标优化问题具有独特的优势,鉴于决策者事先对于各目标的重要性一般只有模糊的认识,文中对各目标进行了模糊化处理,构造了适应值函数,提出了基于模糊逻辑的多目标优化问题遗传算法求解方案.     

基于分形和模糊滤波的红外烟幕背景中人造目标的识别

章分析了红外烟幕图像中背景与目标特征的差别，采用分形维数和分形拟合误差作为烟幕背景与人造目标的区分特征，用模糊滤波的方法确定分割门限，实现了分形识别算法并对目标图像进行了处理，结果表明能够较好地从烟幕背景中检测出人造目标。     

一种基于模糊逻辑引入偏好信息的多目标遗传算法

针对多目标优化存在多个非支配解、用户难以挑选的问题,该文提出一种交互式引入决策者偏好信息的多目标遗传算法.该算法使用一种新型的九级标度赋值法把决策者通过语言表达的偏好信息量化为各目标的重要性因子,采用模糊推理系统构造一种基于偏好信息的"强度优于"关系替代常规的"Pareto支配"关系,以比较个体之间的优劣.对算法的计算复杂度进行了理论分析.仿真实验表明,该算法具有实时处理偏好信息的能力,与2种经典多目标遗传算法相比,该算法能够搜索到质量更优的解.     

基于Pareto多目标遗传算法的模糊系统设计

提出一种基于Pareto多目标遗传算法生成一组精确性和解释性较好折衷模糊系统的方法.该方法采用模糊聚类算法辨识初始的模糊模型,利用匹茨堡型实数编码的遗传算法对初始模糊模型的结构和参数进行优化,基于NSGA-Ⅱ算法的目标函数同时考虑模型的精确性和解释性;最后,在算法中利用基于相似性的模型简化方法约简模糊系统.利用该方法对两个Benchmark系统进行建模,仿真结果验证了该方法的有效性.     

基于遗传算法的刨煤机系统多目标模糊可靠性优化

 针对刨煤机系统常规优化方法难以处理具有相互矛盾属性的系统可靠性多目标优化设计问题,提出一种基于遗传算法非概率分布信息的多目标模糊可靠性优化决策方法。该方法利用模糊集隶属函数的特性将各个单一目标函数模糊优化处理为能够反映各子目标相对重要程度,对不完全概率信息采用随机摄动法和Edgeworth级数方法转化为标准正态分布函数,将各个目标的协调满意度函数综合统一的单目标优化模型,再用常规优化方法即可求出多目标优化模型的满意解,最后给出刨煤机实例以验证该方法的有效性。     

基于小波变换的红外图像模糊与同态增强

针对红外图像对比度差、视觉效果模糊的缺点,提出了一种基于小波变换的红外图像模糊与同态增强算法。首先,采用正交小波变换对红外图像进行处理,将空域图像转换到频域,得到小波各层的分解系数;然后,运用同态滤波法对红外图像的低频子带小波系数进行处理,同时对红外图像的高频子带小波系数进行模糊增强处理;最后,经正交小波逆变换重构得到增强后的红外图像。实验结果分析表明,该方法可以增加红外图像细节,提高图像对比度,符合人眼视觉直观感应,能够有效达到红外图像增强的目的。     

基于遗传算法的模糊多阈值图像分割方法

使用一种基于模糊理论的多闽值选取方法来分割图像，并引入遗传算法来实现。在此基础上，改进了遗传算子的交叉率，提出了一种自适应的遗传算法。实验表明，提出的算法不仅可以正确分割图像，而且能够有效提高分割速度。     

基于PSO的图像自适应模糊增强算法

在介绍常规图像自适应模糊增强算法和粒子群优化算法的基本原理的基础上,针对常规图像模糊增强算法中自动获取模糊控制参数耗时较长,执行效率低的问题,提出了一种应用粒子群优化算法结合图像灰度直方图特征进行图像自适应模糊增强的新方法.实际图像增强实验的结果表明方法效率比常规图像自适应模糊增强算法有很大的提高.     

基于改进遗传算法的二维模糊熵图像分割算法

 图像分割是图像分析的基础。实际应用中,待分割图像的可变性较大,且时常混杂噪声,因此在很多情况下,基于一维直方图的经典图像分割算法常束手无策。近年来,基于二维直方图的二维图像分割算法已逐渐成为图像分割的热点。本文针对基本遗传算法在优化二维模糊熵图像分割算法中存在的易于早熟的不足,提出了一种改进的遗传算法。提出的改进遗传算法通过定义适应度极值距离,实现了进化过程中“代内”和“代间”的模糊评价。较之基本遗传算法,改进算法对个体的评价更加合理、客观和科学,而且算法整体收敛性能和全局搜索能力显著提升。实验结果表明,将其应用于二维模糊熵图像分割算法的优化,可显著提高算法的执行速度。由于引入模糊评价,本文提出的算法虽然较之基于基本遗传算法的二维模糊熵图像分割算法在时间开销方面虽略有增加,但获得的分割效果更佳。     

一种用于胸部CT的改进模糊图像增强算法

提出了一种基于模糊集合论的图像增强算法，同传统模糊集合论的图像增强算法相比，该算法有良好的细节刻画作用，对整体优化有很好的视觉效果，避免了由于图像增强引起的两端的灰度损失。实验结果表明，该算法比传统算法在很多方面都有改进，适用于胸部CT的整体图像增强，可以在两个同的背景窗内同时进行图像增强，适合临床诊断的需要。     

基于粒子群优化的红外图像增强方法

为解决低照度条件下红外图像边缘模糊、对比度差等问题,提出了一种红外图像增强算法。用粒子群优化算法(particle swarm optimization,PSO)结合伽马校正方法,将灰度标准方差融入评价函数,熵、边缘内容、灰度标准方差被用作每个粒子的目标函数,来评估所获得的红外图像增强结果,通过寻找最优伽马值对图像进行全局增强,实现了对红外图像的细节增强。实验结果表明,与传统直方图均衡(histogram equalization,HE)算法、自适应直方图均衡(adaptive histogram equalization,AHE)算法、限制对比度的自适应直方图均衡算法(contrast limited adaptive histogram equalization,CLAHE)相比,该算法的峰值信噪比(peak signal-to-noise ratio,PSNR)、均方误差(mean-square error,MSE)、结构相似性(structural similarity index,SSIM)指标为所有对比算法中最优,PSNR、SSIM分别提升了约56. 97%和18. 01%,SSIM优化了约18. 01%。通过该改进算法来处理红外图像,可以显著提高图像对比度,使图像细节更丰富,视觉效果得到很大改善。     

一种改进的红外图像增强算法

根据红外图像的特性,在对常用的线性灰度变换法、直方图均衡化法和边缘检测法等图像增强算法进行详细分析的基础上,提出了一种采用平台直方图均衡化和增强高通滤波加权平均的红外图像增强算法,并给出了该算法的FPGA电路实现和时序仿真效果。提出的图像增强算法能适应红外探测器的各个工作阶段,易于FPGA实现且具有较好的图像增强效果。     

针对荧光图象的自适应模糊增强算法

针对在紫外线激发下的荧光图象，详细分析了其噪声模型，并利用信号检测理论得出了最佳门限的选取方法，同时提出了一种自适应的模糊对比度增强算子，从而使强噪声荧光图象的噪声削弱，图象增强．通过实验证明，基于模糊集的图象自适应增强算法的物理概念清晰，实现容易，对于荧光图象有较好的处理效果．最后通过对模糊度的比较，在理论上验证了算法的有效性．     

基于模糊算法的图象处理新方法

叙述了采用模糊算法进行超声图象处理的基本原理,提出广义的模糊率概念,并找出相应隶属函数的最佳参数,使图象增强效果比较理想．