模式识别与人工智能
2025年1月11日 星期六   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2012, Vol. 25 Issue (6): 909-915    DOI:
论文与报告 最新目录| 下期目录| 过刊浏览| 高级检索 |
一种基于QPSO的脉冲耦合神经网络参数的自适应确定方法
许新征1,2,丁世飞1,2,史忠植2,赵作鹏1,朱红1
1。中国矿业大学计算机科学与技术学院徐州221116
2。中国科学院计算技术研究所智能信息处理重点实验室北京100190
A Self-Adaptive Method for Optimizing the Parameters of Pulse Coupled Neural Network Based on QPSO Algorithm
XU Xin-Zheng1,2, DING Shi-Fei1,2, SHI Zhong-Zhi2, ZHAO Zuo-Peng1, ZHU Hong1
1.School of Computer Science and Technology,China University of Mining and Technology,Xuzhou 221116
2.Key Laboratory of Intelligent Information Processing,Institute of Computing Technology,Chinese Academy of Sciences,Beijing 100190

全文: PDF (1041 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 针对目前脉冲耦合神经网络(PCNN)神经元模型中的参数主要通过人工定义的问题,提出一种基于量子微粒群优化(QPSO)算法的PCNN参数自动确定方法,并分析该算法的时间复杂度。该方法利用PCNN分割后的图像熵作为QPSO算法的适应度函数,在解空间中自动搜索PCNN中待确定参数的最优值,提供一种PCNN神经元模型中的参数自动确定方法。将该方法应用于图像分割时,以互信息量作为图像分割评价标准。仿真结果表明文中方法实现正确的图像分割,其性能优于Otsu方法、人工调整PCNN参数方法、遗传算法优化方法和微粒群优化方法,表现出较好的鲁棒性。
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
许新征
丁世飞
史忠植
赵作鹏
朱红
关键词 脉冲耦合神经网络(PCNN)量子微粒群优化(QPSO)自适应图像分割互信息    
Abstract:Considering the parameters of pulse coupled neural network (PCNN) are mainly defined manually, a method based on quantum-behaved particle swarm optimization (QPSO) is presented to automatically determine the parameters in the neuron model of PCNN. Meanwhile, the time complexity of the proposed algorithm is analyzed. In proposed method, QPSO algorithm is used to automatically search the optimum values of parameters of the PCNN model or its simplified models in the solution space when the entropy of the image is defined as the fitness function of QPSO algorithm. The simulation results of image segmentation show that the proposed method obtains correct segmentation of Lena image. When mutual information (MI) is used as evaluation criteria, the performance of the proposed method is better than that of other methods, such as Otsu method, manual adjustment method of PCNN parameters, genetic algorithm and PSO.
Key wordsPulse Coupled Neural Network (PCNN)    Quantum-Behaved Particle Swarm Optimization (QPSO)    Self-Adaptive    Image Segmentation    Mutual Information   
收稿日期: 2011-10-12     
ZTFLH: TP183  
基金资助:国家自然科学基金项目(No.60975039)、国家973计划项目(No.2013CB329502)、江苏省基础研究计划项目(自然科学基金)(No.BK2012129)资助
作者简介: 许新征,男,1980年生,博士,副教授,主要研究方向为智能信息处理。E-mail:xuxinzh@163。com。丁世飞,男,1963年生,教授,博士生导师,主要研究方向为模式识别、机器学习、数据挖掘等。史忠植,男,1941年生,研究员,博士生导师,主要研究方向为人工智能、机器学习、神经计算、认知科学等。赵作鹏,男,1977年生,博士,副教授,主要研究方向为智能信息处理。朱红,女,1970年生,博士研究生,副教授,主要研究方向为数据挖掘。
引用本文:   
许新征,丁世飞,史忠植,赵作鹏,朱红. 一种基于QPSO的脉冲耦合神经网络参数的自适应确定方法[J]. 模式识别与人工智能, 2012, 25(6): 909-915. XU Xin-Zheng, DING Shi-Fei, SHI Zhong-Zhi, ZHAO Zuo-Peng, ZHU Hong. A Self-Adaptive Method for Optimizing the Parameters of Pulse Coupled Neural Network Based on QPSO Algorithm. , 2012, 25(6): 909-915.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2012/V25/I6/909
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn