基于混合優(yōu)化算法的圖像目標(biāo)識(shí)別.pdf

1、隨著計(jì)算機(jī)技術(shù)的飛速發(fā)展，圖像目標(biāo)識(shí)別是計(jì)算機(jī)視覺和人工智能研究及應(yīng)用中一項(xiàng)非常有意義而又有困難的工作。 目前已存在一些優(yōu)化算法來解決圖像的目標(biāo)識(shí)別問題，但很多的算法都存在局限性，而新型的蟻群算法具有正反饋性，靈活性和協(xié)調(diào)性等特點(diǎn)，可以較好的解決圖像目標(biāo)的識(shí)別問題。因此本文研究基于改進(jìn)蟻群算法的圖像目標(biāo)識(shí)別。 為克服現(xiàn)有蟻群算法運(yùn)算過程中收斂速度慢，易出現(xiàn)停滯現(xiàn)象等缺點(diǎn)，本文結(jié)合模擬退火思想，提出了基于模擬退火策略的逆向

2、蟻群算法。利用向原始蟻群中引入逆向螞蟻，并結(jié)合模擬退火思想確定蟻群中逆向螞蟻的數(shù)目，來提高算法的適應(yīng)性。將此算法用于求解典型的組合優(yōu)化問題——TSP組合優(yōu)化問題。實(shí)驗(yàn)證明，此算法可用來較好的解決組合優(yōu)化問題，收斂速度和全局尋優(yōu)能力都得到很大的改善。 同時(shí)針對函數(shù)優(yōu)化問題，又提出了一種蟻群算法和混沌優(yōu)化算法相結(jié)合的混合優(yōu)化算法，該算法利用蟻群算法中信息素正反饋的思想指導(dǎo)當(dāng)前混沌搜索的區(qū)域。工作蟻群按照信息素的濃度高低，分別按照不同