基于群集智能模式識(shí)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(wèn)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(fù)雜優(yōu)化問(wèn)題的最優(yōu)解?，F(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)分類聚類、生物系統(tǒng)建模、仿真和系統(tǒng)辯識(shí)等多個(gè)方面，群集智能理論為解決這類應(yīng)用問(wèn)題提供了新的途徑。作為一種新興的演化計(jì)算技術(shù)，群集智能方法已成為越來(lái)越多研究者的關(guān)注焦點(diǎn)。因此開展群集智能理論及應(yīng)用研究具有重要的學(xué)術(shù)意義和應(yīng)用價(jià)值。 本文應(yīng)用群集智能理論，對(duì)模式識(shí)別方法做了深入

2、系統(tǒng)的研究，提出了相應(yīng)的改進(jìn)算法，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。 針對(duì)模式識(shí)別中如何既消除圖像中的噪聲同時(shí)又保持圖像的細(xì)節(jié)不受影響的問(wèn)題，本文針對(duì)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(xì)節(jié)?；诹Ｗ尤簝?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(duì)圖像效果進(jìn)行最佳改善；此外，本文還將。PSO應(yīng)用于柔性形

3、態(tài)學(xué)中用來(lái)選取最佳邊緣檢測(cè)算法，并通過(guò)實(shí)驗(yàn)驗(yàn)證了。PSO在模式識(shí)別預(yù)處理中應(yīng)用的有效性。 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。雖然不少學(xué)者在相關(guān)的研究中提出了許多方法，但多數(shù)情況以經(jīng)驗(yàn)或采用實(shí)驗(yàn)比較為主。為了選出使各類樣本盡可能遠(yuǎn)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(duì)人臉識(shí)別進(jìn)行了研究，驗(yàn)證

4、所提算法的有效性。 為了對(duì)分類方法進(jìn)一步擴(kuò)充和完善，本文提出了基于PSO的模式識(shí)別算法，首先建立所有樣本類別的圖像庫(kù)，再將待識(shí)別樣本和圖像庫(kù)中的圖像進(jìn)行二值化和細(xì)化等預(yù)處理，然后利用PSO對(duì)待識(shí)別細(xì)化圖像和圖像庫(kù)中的細(xì)化圖像進(jìn)行點(diǎn)匹配，最后通過(guò)求匹配點(diǎn)之差的最小值來(lái)實(shí)現(xiàn)識(shí)別。本文通過(guò)對(duì)機(jī)動(dòng)車車牌字符識(shí)別和線型機(jī)器人隊(duì)形識(shí)別的研究，表明基于PSO的模式識(shí)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(shè)