兩階段遺傳算法優(yōu)化求解動態(tài)因果模型的研究.pdf

1、圖像的兩大基本特征是顏色和形狀，研究表明大腦對顏色和形狀的處理是分開進行的，為了最后識別圖像大腦必須把顏色和形狀最終進行特征綁定。腦認知一直以來是人們的研究熱點，最近人們對人類的視覺系統(tǒng)進行了大量的研究工作，讓人們對視覺的認識更進一步。然而人們對視覺的研究中忽視了圖像低階特征的存儲捆綁。本論文旨在研究大腦對形狀顏色特征捆綁的過程，對此過程進行動態(tài)因果模型建模。本論文的研究工作在圖像低階特征層面揭示視覺的形成，對人類視覺的探索和推動計算機

2、視覺發(fā)展都有非常重要的意義。
　　 對于顏色形狀特征捆綁腦認知網(wǎng)絡的DCM建模研究，本論文做的主要工作及創(chuàng)新點如下:
　　 1)采用動態(tài)因果模型建模方法對采集到的關于顏色與形狀特征綁定的fMRI數(shù)據(jù)進行建模，通過貝葉斯模型選擇找到了形狀顏色特征綁定的最優(yōu)模型。對建模過程進行了分析找到了該建模方式的缺陷與不足。
　　 2)將經(jīng)典遺傳算法用于優(yōu)化求解動態(tài)因果模型，并且證明其是適用的。然而經(jīng)典遺傳算法用于DCM尋優(yōu)時會

3、有后期尋優(yōu)效率低下的缺點。
　　 3)提出了改進的兩階段遺傳算法用于DCM尋優(yōu)。
　　 將兩種遺傳算法在一組公用的成熟數(shù)據(jù)集上設計實驗進行對比，證明了雙階段遺傳算法相對于經(jīng)典遺傳算法在DCM尋優(yōu)中效率更高、過程更穩(wěn)定并且尋優(yōu)結(jié)果更優(yōu)異。
　　 4將兩種算法都在形狀顏色特征綁定的數(shù)據(jù)集上進行動態(tài)因果模型尋優(yōu)建模，為形狀顏色特征綁定建立了更優(yōu)異的模型。
　　 本論文中的雙階段遺傳算法能夠很好地對動態(tài)因果模型進