检索结果-内蒙古大学图书馆

郑州大学学报（理学版） 2016年第4期48卷 44-53页

作者：张新明康强涂强程金凤河南师范大学计算机与信息工程学院河南新乡453007 河南省高校计算智能与数据挖掘工程技术研究中心河南新乡453007

针对高维多阈值彩色图像分割中由于维数高带来阈值搜索困难等问题,提出了一种融合细菌觅食算法(BFO)趋化算子的混合生物地理学算法(hybrid biogeography-based optimization,HBBO).首先构建一种嵌入变异操作的迁移算子,去掉BBO算法原有... 详细信息

针对高维多阈值彩色图像分割中由于维数高带来阈值搜索困难等问题,提出了一种融合细菌觅食算法(BFO)趋化算子的混合生物地理学算法(hybrid biogeography-based optimization,HBBO).首先构建一种嵌入变异操作的迁移算子,去掉BBO算法原有的变异算子;其次将细菌觅食算法中具有较强局部搜索能力的趋化算子的趋化步长固化为1,将此趋化算子与改进的迁移算子融合,并将精英保留策略换成贪婪选择算子,形成混合BBO算法;最后将HBBO算法应用到高维Tsallis熵多阈值彩色图像分割中.实验结果表明,与目前的MABC、IDPSO、MBFO和BBO-M算法相比,HBBO算法在高维多阈值图像分割中有更好的优化性能、更快的运行速度和更强的稳定性.

关键词：智能优化算法生物地理学优化算法彩色图像分割多阈值分割 Tsallis熵

来源：评论

学校读者我要写书评

暂无评论

嵌入趋化算子的PSO算法及其在多阈值分割中的应用

引用

计算机科学 2016年第2期43卷 311-315页

作者：张新明涂强尹欣欣冯梦清河南师范大学计算机与信息工程学院新乡453007 河南省高校计算智能与数据挖掘工程技术研究中心新乡453007

针对标准粒子群优化(Particle Swarm Optimization,PSO)算法在优化选择多阈值时易陷入局部最优等问题,提出一种嵌入趋化算子的PSO算法。首先针对标准PSO算法具有较强的全局寻优能力但局部搜索能力较差,而细菌觅食优化(Bacterial Foragin... 详细信息

针对标准粒子群优化(Particle Swarm Optimization,PSO)算法在优化选择多阈值时易陷入局部最优等问题,提出一种嵌入趋化算子的PSO算法。首先针对标准PSO算法具有较强的全局寻优能力但局部搜索能力较差,而细菌觅食优化(Bacterial Foraging Optimization,BFO)算法具有较强的局部搜索能力的特点,将BFO算法中具有较强局部搜索能力的趋化算子嵌入到PSO算法中,形成一种嵌入趋化算子的PSO算法(Chemotaxis Operator embedded PSO,COPSO),以此优势互补,使COPSO算法既有较强的全局搜索能力,又有较强的局部搜索能力。最后将COPSO算法用于最大熵多阈值图像分割中,得到最佳阈值向量。实验结果表明:与标准的PSO、BFO和GA算法相比,该算法具有更好的优化效果和更短的寻优时间。

关键词：粒子群优化算法细菌觅食优化算法图像分割多阈值分割

来源：评论

学校读者我要写书评

暂无评论

基于贴近度的协调序决策系统属性约简算法

引用

郑州大学学报（理学版） 2016年第3期48卷 90-93页

作者：孟慧丽张倩倩徐久成河南师范大学计算机与信息工程学院河南新乡453007 河南省高校计算智能与数据挖掘工程技术研究中心河南新乡453007

针对基于优势关系的协调序决策系统,定义了条件属性集相对于决策属性集的贴近度,并定义了协调序决策系统中属性的重要度.提出了基于贴近度的启发式属性约简算法,通过实例分析证实了该算法的有效性.

关键词：协调序决策系统贴近度属性约简

来源：评论

学校读者我要写书评

暂无评论

一种基于邻域互信息最大化和粒子群优化的特征基因选择方法

引用

小型微型计算机系统 2016年第8期37卷 1775-1779页

作者：徐天贺马媛媛徐久成河南师范大学计算机与信息工程学院河南新乡453007 智慧商务与物联网技术河南省工程实验室河南新乡453007 河南省高校计算智能与数据挖掘工程技术研究中心河南新乡453007

针对基因表达谱数据高维度、低样本和数值型的特点,为了选出对分类有用的特征基因,提出了一种基于邻域互信息最大化和粒子群优化的特征基因选择方法.该方法首先基于邻域互信息最大化对基因进行排序,然后选择出排序在前且冗余较少的基因... 详细信息

针对基因表达谱数据高维度、低样本和数值型的特点,为了选出对分类有用的特征基因,提出了一种基于邻域互信息最大化和粒子群优化的特征基因选择方法.该方法首先基于邻域互信息最大化对基因进行排序,然后选择出排序在前且冗余较少的基因构成初选特征基因集合,最后用初选特征基因集合对粒子群优化算法的部分种群进行初始化,能较快的搜寻到较优的特征基因子集.实验结果表明,该算法可快速有效地选择特征基因,并获得较高的分类精度.

关键词：邻域互信息最大化粒子群优化算法基因选择

来源：评论

学校读者我要写书评

暂无评论

Vague决策系统属性约简算法研究

引用

小型微型计算机系统 2016年第7期37卷 1542-1545页

作者：张倩倩孟慧丽徐久成河南师范大学计算机与信息工程学院河南新乡453007 河南省高校计算智能与数据挖掘工程技术研究中心河南新乡453007 "智慧商务与物联网技术"河南省工程实验室河南新乡453007

属性约简是粗糙集理论最核心的研究内容之一,其中约简带有决策属性的决策系统的条件属性集可以达到简化信息系统目的.现有的粗糙集理论在处理属性值为精确值的决策系统方面已表现出强大的优势,但是在实际应用中要获得属性的精确值在有... 详细信息

属性约简是粗糙集理论最核心的研究内容之一,其中约简带有决策属性的决策系统的条件属性集可以达到简化信息系统目的.现有的粗糙集理论在处理属性值为精确值的决策系统方面已表现出强大的优势,但是在实际应用中要获得属性的精确值在有些情况下是困难的,面对这类信息系统,传统的粗糙集方法很难对其直接进行约简.为此,针对信息系统属性值为Vague概念的情况研究Vague决策系统的属性约简方法,通过借助包含度这一中间工具,设计一种在Vague决策系统中属性重要性的度量方法,并基于该方法设计了一种Vague决策表的属性约简算法,最后通过实例验证了该算法的有效性.

关键词： Vague决策系统属性约简包含度属性重要性

来源：评论

学校读者我要写书评

暂无评论

基于下近似分布粒度熵的变精度悲观多粒度粗糙集粒度约简

引用

计算机科学 2016年第2期43卷 83-85,104页

作者：孟慧丽马媛媛徐久成河南师范大学计算机与信息工程学院新乡453007 河南省高校计算智能与数据挖掘工程技术研究中心新乡453007 智慧商务与物联网技术河南省工程实验室新乡453007

将下近似分布约简引入变精度悲观多粒度粗糙集,定义了变精度悲观多粒度粗糙集的下近似分布粒度熵,基于下近似分布粒度熵定义了变精度悲观多粒度粗糙集粒度的重要度,并设计了基于下近似分布粒度熵的悲观多粒度粗糙集启发式粒度约简算法,... 详细信息

将下近似分布约简引入变精度悲观多粒度粗糙集,定义了变精度悲观多粒度粗糙集的下近似分布粒度熵,基于下近似分布粒度熵定义了变精度悲观多粒度粗糙集粒度的重要度,并设计了基于下近似分布粒度熵的悲观多粒度粗糙集启发式粒度约简算法,通过实例验证了算法的有效性。

关键词：下近似分布约简下近似分布粒度熵变精度悲观多粒度粗糙集粒度约简

来源：评论

学校读者我要写书评

暂无评论

动态迁移和椒盐变异融合生物地理学优化算法的高维多阈值分割

引用

光学精密工程 2015年第10期23卷 2943-2951页

作者：张新明尹欣欣涂强河南师范大学计算机与信息工程学院河南新乡453007 河南省高校计算智能与数据挖掘工程技术研究中心河南新乡453007

针对高维多阈值图像分割中存在的多阈值搜索问题,提出了一种动态迁移和椒盐变异融合的生物地理学优化算法(BBOD)。首先,构建了一种基于动态扰动的迁移算子,对候选解中没有发生迁移操作的特征值添加一个动态的扰动因子,使种群的多样性增... 详细信息

针对高维多阈值图像分割中存在的多阈值搜索问题,提出了一种动态迁移和椒盐变异融合的生物地理学优化算法(BBOD)。首先,构建了一种基于动态扰动的迁移算子,对候选解中没有发生迁移操作的特征值添加一个动态的扰动因子,使种群的多样性增加,从而提高全局搜索能力;然后,创建了新型的变异算子,对待变异的特征值产生一个椒盐扰动,使该值在小范围内浮动,以便提高局部搜索能力和算法的收敛速度;最后,将该算法应用到基于最小交叉熵的图像高维多阈值分割中。高维多阈值分割实验结果表明,本文提出的BBOD算法能够获得最优的阈值向量,运行速度、性能指标均优于标准的生物地理学优化(BBO)算法,基于变异的生物地理学优化(BBOM)算法、FFA(Firefly Algorithm)和CSA(Cuckoo Search Algorithm),运行速度是FFA的5倍以上。该算法更适用于基于最小交叉熵的高维多阈值优化选择。

关键词：图像分割多阈值分割优化算法生物地理学优化算法最小交叉熵

来源：评论

学校读者我要写书评

暂无评论

基于信噪比与邻域粗糙集的特征基因选择方法

引用

数据采集与处理 2015年第5期30卷 973-981页

作者：徐久成李涛孙林李玉惠河南师范大学计算机与信息工程学院新乡453007 河南省高校计算智能与数据挖掘工程技术研究中心新乡453007

鉴于传统基因选择方法会选出大量冗余基因从而导致样本预测准确率较低,提出了一种基于信噪比与邻域粗糙集的特征基因选择方法(Signal noise ration and the neighborhood rough set,SNRS)。首先采用信噪比指标获得分类能力较强的预选特... 详细信息

鉴于传统基因选择方法会选出大量冗余基因从而导致样本预测准确率较低,提出了一种基于信噪比与邻域粗糙集的特征基因选择方法(Signal noise ration and the neighborhood rough set,SNRS)。首先采用信噪比指标获得分类能力较强的预选特征子集;然后利用邻域粗糙集约简算法对预选特征子集进行寻优;最后采用不同的分类器对特征基因子集进行分类。通过实验表明,该方法能够克服传统分类算法精度不高的缺陷,并且能够在较少的特征基因下取得较高的分类精度,验证了该方法的可行性和有效性。

关键词：肿瘤基因表达谱信噪比邻域粗糙集特征选择

来源：评论

学校读者我要写书评

暂无评论

基于信息量的悲观多粒度粗糙集粒度约简

引用

南京大学学报（自然科学版） 2015年第2期51卷 343-348页

作者：孟慧丽马媛媛徐久成河南师范大学计算机与信息工程学院新乡453007 河南省高校计算智能与数据挖掘工程技术研究中心新乡453007

多粒度粗糙集是目前粗糙集理论研究的一个新的方向,粒度约简是多粒度粗糙集研究的重要内容之一.首先将信息量引入悲观多粒度粗糙集的下近似分布约简,定义了悲观多粒度粗糙集下近似分布约简中粒度集的信息量.其次基于信息量定义了粒度的... 详细信息

多粒度粗糙集是目前粗糙集理论研究的一个新的方向,粒度约简是多粒度粗糙集研究的重要内容之一.首先将信息量引入悲观多粒度粗糙集的下近似分布约简,定义了悲观多粒度粗糙集下近似分布约简中粒度集的信息量.其次基于信息量定义了粒度的重要度,以粒度的重要度作为启发信息,设计了基于信息量的悲观多粒度粗糙集启发式粒度约简算法,通过实例验证了算法的有效性,为多粒度空间下粗糙集的粒度约简提供了理论依据.

关键词：信息量悲观多粒度粗糙集粒度约简

来源：评论

学校读者我要写书评

暂无评论

基于改进概率神经网络的玉米与杂草识别

引用

山西大学学报(自然科学版) 2015年第3期38卷 432-438页

作者：张新明涂强冯梦清河南师范大学计算机与信息工程学院河南省高校计算智能与数据挖掘工程技术研究中心

针对传统概率神经网络(Probabilistic Neural Network,PNN)在杂草识别中存在识别精度低和实时性能差等的缺陷,提出了一种基于改进概率神经网络(Improved PNN,IPNN)的玉米与杂草识别方法。首先对采集的玉米与杂草彩色图像进行变换、分割... 详细信息

针对传统概率神经网络(Probabilistic Neural Network,PNN)在杂草识别中存在识别精度低和实时性能差等的缺陷,提出了一种基于改进概率神经网络(Improved PNN,IPNN)的玉米与杂草识别方法。首先对采集的玉米与杂草彩色图像进行变换、分割等预处理以便更好地提取特征,然后提取出13个颜色和不变矩特征,并采用次优搜索法从13个特征中选择最有效特征构建特征向量,最后对传统的概率神经网络进行改进以便解决识别精度低和实时性能差的问题。仿真结果表明,与PNN、GRNN(Generalized Regression Neural Network)和Extreme learing Machine(ELM)方法相比,IPNN方法能更好地识别杂草,识别率达95%以上;且耗时更少,是PNN的3.7%,更适用于实时应用的场合。

关键词：图像识别杂草识别概率神经网络特征提取不变矩特征

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：