产生Tuned模板的基因扰动优化法研究与分析

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

产生Tuned模板的基因扰动优化法研究与分析

郑肇葆, 郑宏

文章导航 > 武汉大学学报 ( 信息科学版) > 2013 > 38(11): 1139-1141

郑肇葆, 郑宏. 产生Tuned模板的基因扰动优化法研究与分析[J]. 武汉大学学报 ( 信息科学版), 2013, 38(11): 1139-1141.

引用本文:

郑肇葆, 郑宏. 产生Tuned模板的基因扰动优化法研究与分析[J]. 武汉大学学报 ( 信息科学版), 2013, 38(11): 1139-1141.

ZHENG Zhaobao, ZHENG Hong. A Research and Analysis of Gene Disturb Optimization MethodWhich Produce Tuned Template[J]. Geomatics and Information Science of Wuhan University, 2013, 38(11): 1139-1141.

Citation:

ZHENG Zhaobao, ZHENG Hong. A Research and Analysis of Gene Disturb Optimization MethodWhich Produce Tuned Template[J]. Geomatics and Information Science of Wuhan University, 2013, 38(11): 1139-1141.

产生Tuned模板的基因扰动优化法研究与分析

郑肇葆¹,
郑宏²

¹武汉大学遥感信息工程学院;²武汉大学电子信息工程学院

基金项目: 国家863计划资助项目(2009AA122002)

作者简介:
郑肇葆，教授，博士生导师。现主要从事摄影测量与遥感图像分析与解译及进化计算应用研究。代表成果：数学规划在测量数据处理和图像处理中的应用；图像处理的马尔柯夫随机场方法。

中图分类号: P237.3

A Research and Analysis of Gene Disturb Optimization MethodWhich Produce Tuned Template

ZHENG Zhaobao¹,
ZHENG Hong²

¹School of Remote Sensing and Information Engineering,Wuhan University;²School of Electronic Information,Wuhan University

Funds: 国家863计划资助项目(2009AA122002)

摘要: 提出一个基于基因优化产生Tuned模板的新方法——基因扰动优化法(GDO法)。首先在初始模板群体中,根据求得的适应度值较好的少数几个模板,确定为优秀模板;然后对优秀模板中的每个基因分别进行扰动,根据扰动前后适应度值增加(或减少),确定每个优秀模板的两个优秀基因;最后,对优秀基因的数值引入扰动,得到一组新模板,进入下一代的计算,如此不断地优化得到最佳Tuned模板。经理论分析和对真实图像分类的实验证明,GDO法是一个很有潜力的优化方法。
- 基因扰动优化 /
- Tuned模板 /
- 图像纹理分类
Abstract: This paper presents a new method that is based on genetic optimization which produce tuned template, called genedisturb optimization method (referred GDO method). Firstly, identified the "excellent template" according to a few templates of better fitness value which is obtained in the initial templates group. Then disturbing excellent template for each gene respectively, according tothe value of fitness before and after the disturbance increases (or decreases) to determine two "excellent genes" about each excellent template. Finally, disturb the numerical value of the excellent genes to get a new set of templates, then go into the next generation of calculation, constantly optimize the best tuned template. The theory analysis and the real image classification experiment proved that GDO method is a very potential optimization method.
- gene disturb optimization /
- tuned template /
- image texture classification

[1]	郑肇葆. 产生最佳Tuned模板的蜜蜂交配算法[J]. 武汉大学学报(信息科学版). 2009(04)[2] 郑肇葆,潘励,虞欣. 产生“Tuned”模板的Bayesian Networks方法[J]. 武汉大学学报(信息科学版). 2006(04)[3] 郑肇葆,郑宏. 产生纹理“Tuned”模板的遗传算法[J]. 模式识别与人工智能. 2001(01)

[1]	郑肇葆, 郑宏. 利用数据引力进行图像分类 . 武汉大学学报 ( 信息科学版), 2017, 42(11): 1604-1607. doi: 10.13203/j.whugis20160457
[2]	郑肇葆, 潘励, 郑宏. 图像纹理基元分类的马尔柯夫随机场方法 . 武汉大学学报 ( 信息科学版), 2017, 42(4): 463-467. doi: 10.13203/j.whugis20150615
[3]	郑肇葆, 潘励, 郑宏. 应用图像关联度的图像模糊分类 . 武汉大学学报 ( 信息科学版), 2015, 40(5): 574-577. doi: 10.13203/j.whugis20140736
[4]	杜志强, 罗盼, 朱晓玲, 张叶廷, 朱宜萱. 基于超面的建筑物纹理优化处理方法 . 武汉大学学报 ( 信息科学版), 2014, 39(12): 1401-1405.
[5]	叶志伟, 周欣, 郑肇葆, 赖旭东. 产生“Tuned”模板的的混沌粒子群算法 . 武汉大学学报 ( 信息科学版), 2013, 38(1): 10-14.
[6]	章勇勤, 艾勇, 吴敏渊, 马攀. 基于纹理特征的图像恢复 . 武汉大学学报 ( 信息科学版), 2010, 35(1): 102-105.
[7]	郑肇葆. 产生最佳Tuned模板的蜜蜂交配算法 . 武汉大学学报 ( 信息科学版), 2009, 34(4): 387-390.
[8]	张煜, 谭德宝. 利用非线性扩散的半自动纹理图像分割 . 武汉大学学报 ( 信息科学版), 2007, 32(4): 301-304.
[9]	虞欣, 郑肇葆, 叶志伟, 田礼乔. 基于Tree Augmented Naive Bayes Classifier的影像纹理分类 . 武汉大学学报 ( 信息科学版), 2007, 32(4): 287-289.
[10]	郑肇葆. 混沌映射在优化计算中的应用 . 武汉大学学报 ( 信息科学版), 2007, 32(11): 998-1000.
[11]	赵银娣, 张良培, 李平湘. 一种纹理特征融合分类算法 . 武汉大学学报 ( 信息科学版), 2006, 31(3): 278-281.
[12]	虞欣, 郑肇葆, 汤凌, 叶志伟. 基于Naive Bayes Classifiers的航空影像纹理分类 . 武汉大学学报 ( 信息科学版), 2006, 31(2): 108-111.
[13]	郑肇葆, 潘励, 虞欣. 产生“Tuned”模板的Bayesian Networks方法 . 武汉大学学报 ( 信息科学版), 2006, 31(4): 304-307.
[14]	郑肇葆, 叶志伟. 基于蚁群行为仿真的影像纹理分类 . 武汉大学学报 ( 信息科学版), 2004, 29(8): 669-673.
[15]	徐芳, 燕琴. 基于支持向量机的航空影像纹理分类研究 . 武汉大学学报 ( 信息科学版), 2003, 28(5): 517-520.
[16]	孙亚夫, 杜道生, 周勇前. 基于模板技术的专题制图 . 武汉大学学报 ( 信息科学版), 1998, 23(2): 171-174.
[17]	郑肇葆, 郑宏. 基于遗传算法的影像纹理分类 . 武汉大学学报 ( 信息科学版), 1998, 23(4): 337-339.
[18]	黄桂兰, 郑肇葆. 纹理模型法用于影像纹理分类 . 武汉大学学报 ( 信息科学版), 1998, 23(1): 40-42.
[19]	黄桂兰, 郑肇葆. 一种基于马尔可夫随机场的影像纹理分类方法 . 武汉大学学报 ( 信息科学版), 1996, 21(3): 232-236,241.
[20]	黄桂兰, 郑肇葆. 空间灰度相关在影像纹理分类中的应用及分析 . 武汉大学学报 ( 信息科学版), 1995, 20(4): 301-304.

WeChat

点击查看大图

计量

文章访问数: 874
HTML全文浏览量: 51
PDF下载量: 390
被引次数: 0

产生Tuned模板的基因扰动优化法研究与分析

郑肇葆¹,
郑宏²

¹武汉大学遥感信息工程学院;²武汉大学电子信息工程学院

基金项目: 国家863计划资助项目(2009AA122002)

作者简介:
郑肇葆，教授，博士生导师。现主要从事摄影测量与遥感图像分析与解译及进化计算应用研究。代表成果：数学规划在测量数据处理和图像处理中的应用；图像处理的马尔柯夫随机场方法。

收稿日期: 2013-06-12
修回日期: 2013-10-05
刊出日期: 2013-11-05

中图分类号: P237.3

关键词:

基因扰动优化 /

图像纹理分类

摘要: 提出一个基于基因优化产生Tuned模板的新方法——基因扰动优化法(GDO法)。首先在初始模板群体中,根据求得的适应度值较好的少数几个模板,确定为优秀模板;然后对优秀模板中的每个基因分别进行扰动,根据扰动前后适应度值增加(或减少),确定每个优秀模板的两个优秀基因;最后,对优秀基因的数值引入扰动,得到一组新模板,进入下一代的计算,如此不断地优化得到最佳Tuned模板。经理论分析和对真实图像分类的实验证明,GDO法是一个很有潜力的优化方法。

English Abstract

郑肇葆, 郑宏. 产生Tuned模板的基因扰动优化法研究与分析[J]. 武汉大学学报 ( 信息科学版), 2013, 38(11): 1139-1141.

引用本文:

郑肇葆, 郑宏. 产生Tuned模板的基因扰动优化法研究与分析[J]. 武汉大学学报 ( 信息科学版), 2013, 38(11): 1139-1141.

ZHENG Zhaobao, ZHENG Hong. A Research and Analysis of Gene Disturb Optimization MethodWhich Produce Tuned Template[J]. Geomatics and Information Science of Wuhan University, 2013, 38(11): 1139-1141.

Citation:

ZHENG Zhaobao, ZHENG Hong. A Research and Analysis of Gene Disturb Optimization MethodWhich Produce Tuned Template[J]. Geomatics and Information Science of Wuhan University, 2013, 38(11): 1139-1141.

全文HTML

参考文献 (1)

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

我要投稿

投稿攻略

联系我们

二维码