学位论文 > 优秀研究生学位论文题录展示
进化规划在图像稀疏分解中的应用
作 者: 何虹丽
导 师: 张葛祥
学 校: 西南交通大学
专 业: 检测技术与自动化装置
关键词: 进化规划 图像稀疏分解 匹配追踪 混合进化规划 差分进化算法
分类号: TP391.41
类 型: 硕士论文
年 份: 2011年
下 载: 22次
引 用: 0次
阅 读: 论文下载
内容摘要
进化规划(Evolutionary Programming, EP)作为最早出现的进化算法分支之一仅以变异作为产生子代个体的方式,操作简单,易于并行实现,具有全局搜索能力强、待设定参数少、收敛速度快等优点。但是尽管如此,该算法仍有一些不足,如单一变异算子可能导致算法后期搜索效率低下、对初始参数敏感以及算法“勘探”能力强但“开发”能力不足等问题,因此非常值得进一步研究。目前进化规划在电力系统、树型网络设计、无线电通信系统等领域都取得了丰硕的成果,但对于其在图像处理领域中的应用,研究者较少。因此,本文将进化规划算法应用到图像稀疏分解中,利用进化规划的优良特性来搜索最优原子,以快速实现对图像的最优逼近,不但较好地解决了图像稀疏分解中计算复杂度高的问题,同时也拓展了进化规划的应用领域,具有很重要的实际意义。论文的主要工作及研究成果如下:1、将进化规划用于图像稀疏分解中并进行仿真实验,实验结果表明该方法能在较短时间内以较少的原子个数实现图像的最优逼近,达到图像稀疏分解的目的,证实该算法是有效可行的。随后对进化规划在图像稀疏分解中的三个主要参数(种群大小、进化代数和原子个数)分别进行实验分析和探讨,为本文进一步研究中的参数选择提供参考。2、将五种常见的进化规划算法用于图像稀疏分解中,并进行对比实验,实验结果表明性能比较优越的三种算法在图像稀疏分解的前中后期表现各有优劣,根据此特点给出一种改进进化规划算法——带混合策略的双层进化规划。该算法在图像稀疏分解的不同阶段选用不同的EP算法,并且针对EP“开发”能力不足的问题在每次迭代后产生的最优原子邻域中再进行内层进化规划,最后通过实验证明该算法能更加快速有效的实现图像稀疏分解,具有可行性与有效性。3、为了进一步使进化规划在“开发”与“勘探”之间取得平衡,本文将差分进化算法引入到进化规划中,给出一种基于差分进化算法和进化规划的混合搜索算法,随后将其用于图像稀疏分解中,并与传统进化规划、差分进化算法以及前文给出改进进化规划进行对比实验,证明该算法能够更快速地实现图像稀疏分解,更加有效地得到图像的稀疏表示,进一步提高了算法性能。
|
全文目录
摘要 6-7 Abstract 7-11 第1章 绪论 11-16 1.1 引言 11 1.2 课题的提出及研究意义 11-12 1.3 课题研究现状 12-14 1.4 论文的主要工作 14-15 1.5 论文的结构安排 15-16 第2章 进化规划参数讨论及应用 16-34 2.1 引言 16 2.2 进化规划简介 16-19 2.3 图像稀疏分解 19-23 2.4 进化规划参数研究 23-33 2.4.1 算法实现 24-25 2.4.2 实验仿真及结果分析 25-27 2.4.3 参数讨论 27-33 2.5 小结 33-34 第3章 带混合策略的双层进化规划算法及应用 34-48 3.1 引言 34 3.2 五种进化规划算法对比研究 34-42 3.2.1 五种进化规划算法描述 34-38 3.2.2 性能比较分析 38-42 3.3 带混合策略的双层进化规划算法及应用 42-47 3.3.1 基本思想 42-43 3.3.2 算法描述 43-44 3.3.3 实验结果 44-47 3.4 小结 47-48 第4章 混合进化规划算法及应用 48-57 4.1 引言 48 4.2 基本思想 48-50 4.3 算法描述 50-53 4.4 实验结果 53-56 4.5 小结 56-57 工作总结与展望 57-59 致谢 59-60 参考文献 60-66 攻读硕士学位期间发表的论文及科研成果 66
|
相似论文
- 基于差分进化算法的JSP环境下成套订单研究,F273
- K-均值聚类算法的研究与改进,TP311.13
- 极端气象灾害下考虑不确定断线故障的电力系统随机优化调度,TM73
- K-means聚类优化算法的研究,TP311.13
- 压缩感知中信号重构算法的研究,TN911.6
- 基于稀疏表示的语音信号的最佳投影与其重构技术的研究,TN912.3
- 宽带无线通信中基于压缩感知的信道估计研究,TN92
- 参数协进化的改进和声搜索算法及其应用,TP391.3
- 重构算法在OFDM信道估计中的应用研究,TN919.3
- 心音信号的等效分析模型和特征参数提取的研究,TN911.6
- 基于机器学习的信用风险评估技术若干研究,TP181
- 遗传匹配追踪算法的研究与改进,TN912.3
- 基于人工鱼群算法的动态目标跟踪技术研究,TP391.41
- 基于ISA-DE算法的神经网络PID控制,TP13
- 数字图像差分进化稀疏分解及压缩,TP391.41
- 粒子群与差分进化混合算法的研究,TP301.6
- 基于EP的MMAS在VRPTW中的应用研究,TP18
- 基于核函数的错误分类样例研究,TP18
- 基于进化算法的属性约简方法研究,TP18
- 混合智能优化算法及其应用,TP18
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|