神經(jīng)網(wǎng)絡(luò)與進(jìn)化計算的應(yīng)用研究.pdf

1、圖像處理一直是信號處理學(xué)科的一個研究熱點(diǎn)，不僅在理論上有重要意義，在現(xiàn)實(shí)生活中也有迫切需求。人工智能作為一種軟計算方法，目前在各領(lǐng)域均獲得廣泛應(yīng)用。本文的主要工作圍繞人工智能在圖像處理中的應(yīng)用展開，具體內(nèi)容包括：
　　 1)研究了遺傳算法，提出采用變長小生境算法求解圖像超分辨率重建，用自適應(yīng)小生境算法求解圖像復(fù)原，用分布式模擬退火遺傳算法求解圖像插值。
　　 2)對人工免疫系統(tǒng)的兩種重要算法：克隆選擇算法與免疫進(jìn)化算法進(jìn)

2、行了詳細(xì)研究，并提出采用克隆選擇算法實(shí)現(xiàn)蛋白質(zhì)折疊預(yù)測，采用改進(jìn)的免疫進(jìn)化算法實(shí)現(xiàn)圖像復(fù)原。
　　 3)針對蟻群算法提出兩種改進(jìn)算法：一是將遺傳算法與蟻群算法相結(jié)合，得到遺傳蟻群算法；另一是隸屬云蟻群算法。
　　 4)將粒子群算法與混沌算子、免疫算子相結(jié)合，提出一種改進(jìn)算法：混沌免疫粒子群優(yōu)化，并應(yīng)用于隨機(jī)網(wǎng)絡(luò)的多任務(wù)路徑規(guī)劃與多指數(shù)擬合問題。
　　 5)針對細(xì)菌趨藥性算法提出一種改進(jìn)算法：多態(tài)細(xì)菌趨藥性算法，并

3、應(yīng)用于傳感器圖像配準(zhǔn)與眼底圖像配準(zhǔn)。
　　 6)對BP神經(jīng)網(wǎng)絡(luò)權(quán)值的學(xué)習(xí)算法及泛化的方法進(jìn)行了詳細(xì)闡述，并應(yīng)用于股票預(yù)測、細(xì)胞圖像分割、文本圖像識別。
　　 7)對兩種高級徑向基函數(shù)網(wǎng)絡(luò)：概率神經(jīng)網(wǎng)絡(luò)與泛化回歸神經(jīng)網(wǎng)絡(luò)，進(jìn)行了詳細(xì)探討，并提出一種改進(jìn)的概率神經(jīng)網(wǎng)絡(luò)用于作物圖像分類，提出一種自適應(yīng)泛化回歸神經(jīng)網(wǎng)絡(luò)用于電磁耦合預(yù)測。
　　 8)研究了自組織神經(jīng)網(wǎng)絡(luò)，對競爭神經(jīng)網(wǎng)絡(luò)、自組織映射網(wǎng)絡(luò)、神經(jīng)氣體、增長型神經(jīng)

4、氣體進(jìn)行了綜述，并采用競爭神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)遙感圖像壓縮編碼。
　　 9)對離散Hopfield網(wǎng)絡(luò)、連續(xù)Hopfield網(wǎng)絡(luò)、以及Boltzmann機(jī)均進(jìn)行了詳細(xì)的分析，并提出一種Li-Hopfield網(wǎng)絡(luò)用于漢字字符識別，提出一種Paik-Boltzmann模型用于圖像復(fù)原。
　　 10)提出了脈沖耦合神經(jīng)網(wǎng)絡(luò)的一種簡化模型，并給出應(yīng)用PCNN實(shí)現(xiàn)圖像去噪、圖像增強(qiáng)、圖像編碼和圖像分割的例子。
　　 11)提出了一