基于群集智能模式識別方法的研究.pdf

1、群集智能方法是一種能夠有效解決大多數(shù)全局優(yōu)化問題的新方法，這類方法往往能夠比傳統(tǒng)優(yōu)化方法更快地發(fā)現(xiàn)復雜優(yōu)化問題的最優(yōu)解?，F(xiàn)在其應用領域已擴展到多目標優(yōu)化、數(shù)據(jù)分類聚類、生物系統(tǒng)建模、仿真和系統(tǒng)辯識等多個方面，群集智能理論為解決這類應用問題提供了新的途徑。作為一種新興的演化計算技術，群集智能方法已成為越來越多研究者的關注焦點。因此開展群集智能理論及應用研究具有重要的學術意義和應用價值。 本文應用群集智能理論，對模式識別方法做了深入

2、系統(tǒng)的研究，提出了相應的改進算法，并通過仿真實驗驗證了算法應用的有效性。論文主要工作如下。 針對模式識別中如何既消除圖像中的噪聲同時又保持圖像的細節(jié)不受影響的問題，本文針對均值為零的高斯噪聲，提出基于四階累積量消除法。同其它方法相比，本文方法消除噪聲效果好，且能夠較多地保留圖像中的細節(jié)。基于粒子群優(yōu)化(PSO)思想，本文提出從多種除噪方法中選出最佳除噪方法的優(yōu)化算法，從而對圖像效果進行最佳改善；此外，本文還將。PSO應用于柔性形

3、態(tài)學中用來選取最佳邊緣檢測算法，并通過實驗驗證了。PSO在模式識別預處理中應用的有效性。 特征選擇在模式識別中具有極其重要的作用，它直接影響到模式識別的正確率及速率。進行正確而有效的特征選擇，已經(jīng)成為模式識別過程的重要步驟。雖然不少學者在相關的研究中提出了許多方法，但多數(shù)情況以經(jīng)驗或采用實驗比較為主。為了選出使各類樣本盡可能遠地互相分開的特征，本文提出了一種基于信息熵的蟻群優(yōu)化(ACO)特征選擇算法，并對人臉識別進行了研究，驗證

4、所提算法的有效性。 為了對分類方法進一步擴充和完善，本文提出了基于PSO的模式識別算法，首先建立所有樣本類別的圖像庫，再將待識別樣本和圖像庫中的圖像進行二值化和細化等預處理，然后利用PSO對待識別細化圖像和圖像庫中的細化圖像進行點匹配，最后通過求匹配點之差的最小值來實現(xiàn)識別。本文通過對機動車車牌字符識別和線型機器人隊形識別的研究，表明基于PSO的模式識別算法的有效性。本文還提出廣義蟻群優(yōu)化算法(GACO)，給出了多類別分類器的設