基于微分进化求解多目标优化问题中的退化现象

基于微分进化(DE)的多目标进化算法(MOEA)在求解过程中存在着退化现象,导致算法的收敛性无法保证,同时也降低了求解的效率。针对这一问题,分析了算法中存在的两种退化现象,提出了针对两种退化现象相应的解决办法,最后给出了一种新的基于DE的MOEA。新算法克服了已有算法中存在的退化现象,保证了算法的收敛性和解的多样性,有效地提高了算法的效率,通过数值实验验证了新算法的可行性和有效性。     

求解多目标优化问题的一种多子群体进化算法

提出一种新的多目标粒子群优化（MOPSO）算法，根据多目标优化问题（MOP）的特点，将一个进化群体分成若干个子群体，利用非劣支配的概念构造全局最优区域，用以指导整个粒子群的进化．通过子群体间的信息交换．使整个群体分布更均匀，并且避免了局部最优，保证了解的多样性，通过很少的迭代次数便可得到分布均匀的Pareto有效解集．数值实验表明了该算法的有效性.     

图像检索中基于粒子群优化的相关反馈算法

查询优化问题虽然整体的优化目标是明确的,但由于用户主观理解导致优化目标的细节会有一定的随机性,并且由于特征提取算法中语义鸿沟的存在,导致优化方向的不稳定,本文利用粒子群优化(particle swarm optimization,PSO)算法全局寻优、快速收敛的优点,针对查询优化中相关反馈(relevant feedback,RF)问题的特点,提出一种理想值监督下的粒子群优化-相关反馈(PSO-RF)算法,算法在理想值监督下指导粒子的运动方向,进而快速向理想解集靠拢.实验表明,该方法能够有效的提高检索性能,取得较好的检索结果.     

基于商空间粒度计算的图像检索

在图像检索领域应用商空间粒度思想,阐述了图像检索中的粒度原理,对图像检索问题进行商空间描述,并构造等价关系,提出了一种新的图像检索方法.根据图像在不同粒度下的表现构造不同粒度下的商空间,然后根据商空间粒度合成原理构造最优准则函数,对已得到的商空间进行属性合成,进而以合成后的属性函数来完成图像检索.与采用单一属性特征的图像检索方法相比,该方法能够在更大程度上利用图像自身所提供的信息,取得更好的检索效果和更高的查全率查准率指标.     

基于粒子群的图像检索相关反馈算法

 将粒子群优化算法的进化搜索过程与用户的反馈过程有效结合,提出了一种基于粒子群的图像检索相关反馈算法,避免了初始检索对用户认知的影响以及对反馈效果造成的局限性,并使得用户对检索目标的理解逐渐清晰,能够有效全面的搜索图片库,同时避免多次反馈造成的算法效率和检索效果之间的矛盾.通过实验验证了算法的有效性.     

自相似特征彩色图像检索算法

针对传统的分形图像检索方法不能很好的体现图像的颜色自相似特征,且具有计算量大、速度慢的缺点,提出了适合彩色图像的自相似特征编码方法,将编码空间由灰度空间扩展到了彩色空间,充分体现了图像的颜色自相似特征.为了达到更好的检索效果,提出了对图像的自相似特征编码进行奇异值分解来构造特征向量的方法,并定义了相似度度量公式来支持图像检索.实验结果表明,本文提出的算法具有较好的可行性和有效性.