检索结果

Select

1. 基于改进共生生物搜索算法的林火图像多阈值分割

贾鹤鸣, 李瑶, 姜子超, 孙康健

计算机应用 2021, 41 (5): 1465-1470. DOI: 10.11772/j.issn.1001-9081.2020081221

摘要（403）

PDF （1606KB）（473）

针对传统多阈值分割方法计算复杂度随着阈值个数的增加而增长，以及对给定图像进行多阈值分割操作时效率很低等问题，提出了一种基于共生生物搜索（SOS）算法结合Kapur熵的多阈值分割方法。首先将精英反策略（EOBL）引入到SOS算法的共栖阶段，从而改善传统SOS算法处理复杂优化问题时易陷入局部最优的问题；然后引入莱维飞行策略扩大SOS算法的的搜索范围，增强其搜索轨迹的随机性；最终将得到的改进共生生物搜索（MSOS）算法应用到林火图像最佳阈值的选取问题上。实验结果表明，与粒子群优化算法、和声搜索算法、蝙蝠算法等对比算法相比，所提算法能更好地分割图像，在实际工程问题中具有一定的实用性和价值。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于改进斑点鬣狗优化算法的同步优化特征选择

贾鹤鸣, 姜子超, 李瑶, 孙康健

计算机应用 2021, 41 (5): 1290-1298. DOI: 10.11772/j.issn.1001-9081.2020081192

摘要（498）

PDF （1335KB）（706）

针对传统支持向量机（SVM）在封装式特征选择中分类精度低、特征子集选择冗余以及计算效率差的不足，利用元启发式优化算法同步优化SVM与特征选择。为改善SVM分类效果以及选择特征子集的能力，首先，利用自适应差分进化（DE）算法、混沌初始化与锦标赛选择策略对斑点鬣狗优化（SHO）算法改进，以增强其局部搜索能力并提高其寻优效率与求解精度；其次，将改进后的算法用于特征选择与SVM参数调整的同步优化中；最后，在UCI数据集进行特征选择仿真实验，采取分类准确率、选择特征数、适应度值及运行时间来综合评估所提算法的优化性能。实验结果证明，改进算法的同步优化机制能够在高分类准确率下降低特征选择的数目，该算法比传统算法更适合解决封装式特征选择问题，具有良好的应用价值。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于sparse group Lasso方法的脑功能超网络构建与特征融合分析

李瑶, 赵云芃, 李欣芸, 刘志芬, 陈俊杰, 郭浩

计算机应用 2020, 40 (1): 62-70. DOI: 10.11772/j.issn.1001-9081.2019061026

摘要（594）

PDF （1501KB）（492）

功能超网络广泛地应用于脑疾病诊断和分类研究中，而现有的关于超网络创建的研究缺乏解释分组效应的能力或者仅考虑到脑区间组级的信息，这样构建的脑功能超网络会丢失一些有用的连接或包含一些虚假的信息，因此，考虑到脑区间的组结构问题，引入sparse group Lasso（sgLasso）方法进一步改善超网络的创建。首先，利用sgLasso方法进行超网络创建；然后，引入两组超网络特有的属性指标进行特征提取以及特征选择，这些指标分别是基于单一节点的聚类系数和基于一对节点的聚类系数；最后，将特征选择后得到的两组有显著差异的特征通过多核学习进行特征融合和分类。实验结果表明，所提方法经过多特征融合取得了87.88%的分类准确率。该结果表明为了改善脑功能超网络的创建，需要考虑到组信息，但不能逼迫使用整组信息，可以适当地对组结构进行扩展。

参考文献 | 相关文章 | 多维度评价

Select

4. 基于Kalman点匹配估计的运动目标跟踪

曾伟朱桂斌李瑶

计算机应用 2009, 29 (06): 1677-1682.

摘要（1368）

PDF （609KB）（1843）

针对目前的角点匹配跟踪实时性差和抗遮挡、相似性物体等环境因素能力差的缺点,提出了一种基于Kalman点匹配估计的目标跟踪方法。通过在Kalman滤波粗定位的基础上,提取具有一定的抗几何缩放能力的多尺度Harris角点,对获得的其响应函数值进行加权以及目标区域进行恰当的分块,然后,将各块中的响应函数值求取平均值组成特征向量,在搜索域内进行点匹配跟踪。实验结果表明,该算法计算效率有很大的提高,能够用到实时的目标跟踪系统中,且对环境因素的影响有一定的鲁棒性。