信息熵蟻群算法在特征提取和圖像識(shí)別中的應(yīng)用.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(wèn)題的新方法，這類(lèi)方法往往能夠比傳統(tǒng)優(yōu)化方法更快地發(fā)現(xiàn)復(fù)雜優(yōu)化問(wèn)題的最優(yōu)解。作為群體智能的一種典型實(shí)現(xiàn)，蟻群算法正在受到學(xué)術(shù)界的廣泛關(guān)注。它是一種應(yīng)用于組合優(yōu)化問(wèn)題的啟發(fā)式搜索算法。現(xiàn)在其應(yīng)用領(lǐng)域已擴(kuò)展到多目標(biāo)優(yōu)化、數(shù)據(jù)分類(lèi)聚類(lèi)、生物系統(tǒng)建模、仿真和系統(tǒng)辯識(shí)等多個(gè)方面，群集智能理論和方法為解決這類(lèi)應(yīng)用問(wèn)題提供了新的途徑。因此，開(kāi)展蟻群理論及應(yīng)用研究具有重要的學(xué)術(shù)意義和應(yīng)用價(jià)值。 本文對(duì)

2、蟻群算法理論做了深入系統(tǒng)的研究，將其應(yīng)用在特征選取和圖像識(shí)別兩個(gè)方面，并通過(guò)仿真實(shí)驗(yàn)驗(yàn)證了算法應(yīng)用的有效性。論文主要工作如下。 特征選擇在模式識(shí)別中具有極其重要的作用，它直接影響到模式識(shí)別的正確率及速率。進(jìn)行正確而有效的特征選擇，已經(jīng)成為模式識(shí)別過(guò)程的重要步驟。為了選出使各類(lèi)樣本盡可能遠(yuǎn)地互相分開(kāi)的特征，本文提出了一種基于信息熵的蟻群優(yōu)化特征選擇算法。首先將多幅圖像的特征向量作為蟻群算法識(shí)別的輸入，再將每類(lèi)圖像的任意一組特征作為

3、聚類(lèi)中心。然后讓蟻群按規(guī)則運(yùn)動(dòng)，改變各特征區(qū)域的信息素直到滿足搜索條件終止。最后獲得目標(biāo)函數(shù)中的特征最大值，其特征即為所選擇的特征。 本文提出了一種信息熵蟻群的圖像識(shí)別算法，有效地利用蟻群算法的尋優(yōu)能力，實(shí)現(xiàn)圖像的識(shí)別。首先建立所有樣本類(lèi)別的圖像庫(kù)，然后將剛提取的特征與圖像識(shí)別模板進(jìn)行匹配，最后計(jì)算每只螞蟻?zhàn)哌^(guò)的路經(jīng)上留下信息素的值，路徑短留下的信息素濃度高，取各路經(jīng)上的信息素最大值為最佳匹配實(shí)現(xiàn)識(shí)別。 實(shí)驗(yàn)結(jié)果表明，本