基于量子免疫克隆聚类的SAR图像变化检测

传统的基于进化聚类方法在处理变化检测时耗时过长,在搜索最优聚类中心过程中容易陷入局部最优,对于SAR图像的变化检测存在边缘定位不够准确的缺点,提出了基于量子免疫克隆聚类的SAR图像变化检测方法.把图像的灰度值作为输入信息,通过量子比特定义聚类中心,通过量子免疫克隆算法来搜索最优聚类中心,从而得到更佳的全局阈值,最后根据...     

多目标优化算法在多分类中的应用研究

 Cai等人用多目标粒子群算法(MOPSO)优化多目标聚类学习和分类学习框架(MSCC)的多目标问题时,种群只能得到少量的非支配解,不利于种群优化.而在此情况下,NSGA-II由于采用了Pareto排序的方法,种群中会保留大量优秀的支配解,有利于种群优化,所以本文引进了NSGA-II优化MSCC框架的多目标问题.通过对数据集的测试,验证了在NSGA-II的优化下,对于大多数测试问题,MSCC框架设计的分类器的最大分类正确率高于MOPSO优化MSCC框架的结果.进而对实验结果做了进一步分析,发现了最大正确率不随多目标优化算法的优化过程而提高的问题.     

免疫克隆SAR图像分割算法

由于存在相干斑噪声的影响,使得常规的图像分割技术应用于SAR图像时,效果往往较差。该文提出一种新人工免疫系统SAR图像分割算法,算法首先提取每幅图像的纹理特征,并对其进行实数编码,然后通过借鉴生物学免疫系统的抗体克隆选择机理,构造适合于图像分割的克隆算子,以较快的收敛速度优化目标函数。实验结果表明,新算法是一种有效的SAR 图像区域分割方法。     

用于约束多目标优化的免疫记忆克隆算法

 提出一种用于求解约束多目标优化问题的新算法,其主要特点是将约束条件转化为一个目标,并引入免疫克隆和免疫记忆机制,使抗体种群的演化过程和记忆单元的演化过程并行进行,更好地实现了抗体间的相互协作,保证了在演化过程中,解集从可行域内部和不可行域边缘向着约束最优Pareto-前端逼近. 从而保证了算法较强的收敛性以及所得最优解较好的多样性.仿真结果表明,新算法很好的保持了所得最优解的多样性、均匀性以及较强的收敛性.     

Quantum Immune Clonal Selection Algorithm for Multi-objective 0/1 Knapsack Problems

Based on the concept and principles of quantum computing and the principle of the immune clonal selection, a new algorithm for multi-objective 0/1 knapsack problems is introduced. In the algorithm, for the novel representation, qubit antibodies in the antibody population are updated by applying a new chaos update strategy. A quantitative metric is used for testing the convergence to the Pareto-optimal front. Simulation results on the 0/1 knapsack problems show that the new algorithm, in most cases, is more effective.