基于克隆選擇算法的PCNN關(guān)鍵參數(shù)自動(dòng)設(shè)定算法研究.pdf

1、PCNN為單層模型神經(jīng)網(wǎng)絡(luò)，不需要訓(xùn)練過程即可實(shí)現(xiàn)模式識(shí)別、圖像分割、目標(biāo)分類等，因此非常適合實(shí)時(shí)圖像處理環(huán)境。同時(shí)，PCNN在處理圖像的同時(shí)將二維空間變量轉(zhuǎn)化為一維時(shí)間脈沖序列。這樣PCNN模型向生物實(shí)際神經(jīng)網(wǎng)絡(luò)更靠近了一步，與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)相比，它對輸入信息處理能力更強(qiáng)、性能更好，這就是直到今天其應(yīng)用研究還在逐步深入的原因。盡管PCNN神經(jīng)元模型較傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)神經(jīng)元模型前進(jìn)了一步，但距離實(shí)際生物神經(jīng)網(wǎng)絡(luò)還有很長一段距離，因?yàn)镻CN

2、N模型需要確定較多的參數(shù)。截止目前，其理論發(fā)展依然存在不足，在圖像處理方面主要表現(xiàn)在圖像處理效果與模型參數(shù)之間的關(guān)系并不清晰，這是國內(nèi)外學(xué)者積極關(guān)注的熱點(diǎn)。
　　 本文在詳細(xì)闡述PCNN原理的基礎(chǔ)上，針對PCNN參數(shù)設(shè)定過程中人機(jī)交互工作量過大的缺點(diǎn)，提出了一種基于克隆選擇算法的PCNN參數(shù)自動(dòng)設(shè)定算法。該算法利用了克隆選擇算法的解空間隨機(jī)搜索能力，充分發(fā)揮了克隆選擇算法多樣性、高變異性和依據(jù)適應(yīng)度成熟的特點(diǎn)，在保證了PCNN應(yīng)