基于互信息的多模态医学图像配准研究

由于基于互信息的图像配准方法具有自动化程度高、配准精度高等优点,本文利用这一优点,根据图像配准的基本步骤设计出一个基于互信息的多模态医学图像配准算法.首先是采用三线性插值方法对图像进行插值处理,然后利用Powell优化算法,根据互信息值来判断Powell算法所获得的参数是否是最优参数解.最后仿真实验证明了该算法的有效性.     

改进的二阶互信息医学图像配准算法的研究

针对人脑的二维图像设计了一种改进的遗传算法和二阶互信息相结合的医学图像配准算法,采用互信息配准模型,以图像的灰度统计信息为配准依据,采用改进的遗传算法搜索图像的最优变换参数,并比较一阶互信息配准与改进的二阶互信息配准两种算法,实验表明改进的二阶互信息配准方法具有较高的配准精度和稳定性。     

基于B样条函数的多模态医学图像弹性配准

论文提出一种一次B样条函数完成全局配准,高次B样条函数实现局部变形的弹性配准方法。利用互信息坝4度和窗口函数插值算法对多模态图像配准。实验结果表明本方法不但可以加速配准,而且可以改善图像的局部配准。     

基于柯西变异的果蝇优化算法

针对果蝇优化算法是模仿果蝇寻找食物行为而进行全局搜索最优解的新算法,该算法存在容易陷入局部最优解和收敛速度慢的缺点。提出了一种基于柯西变异的果蝇优化算法,利用柯西分布具有较高的两翼概率特性从而容易产生一个远离原点的随机生成数,即柯西分布有一条很长的尾巴。所以在果蝇个体利用嗅觉搜索食物之随机方向距离上引入柯西变异算子代替原来随机方向变异算子进行扰动,从而容易跳出局部最优。最后通过数值仿真实验对6个标准测试函数来进行作对比检验,结果表明该算法在求解高维函数优化问题更好。     

一种烟花算法的优化

烟花算法是一种具有较强的全局搜索和局部搜索能力优点的智能算法,针对该算法存在爆炸火星聚集,算法迭代中缺少相互协作问题,本文通过遗传算法对烟花爆炸优化算法进行改进,首先增加了爆炸点管理策略以及对每一代的最优炸点进行自适应局部搜索策略,然后利用遗传算法中的交叉变异思想与最优炸点进行信息交换,直到找到满足条件的最优解。仿真实验说明本文算法在寻优能力和寻优精度上具有很好的性能。     

基于互信息的多模态医学图像配准方法研究

医学图像配准方法主要分为三类:灰度信息法、变换域法、特征法,其中最常用的是灰度信息法。在灰度信息法中,研究方法最多的为基于互信息的图像配准方法。互信息用来比较两幅图像的统计依赖性,是两个随机变量相关性量度。近年来,基于互信息的多模态医学图像配准方法层次不穷,每种方法都有其优点和弊端,本文详细阐述基于互信息的医学图像配准方法的原理,算法以及优缺点。     

ASP数据库脚本程序边缘搜索最优路径提取

提出一种基于标准混合蛙跳算法的ASP数据库脚本程序边缘局部搜索最优路径提取算法,在进行ASP数据库信息交互中的脚本程序边缘局部搜索最优路径提取中,把路径搜索比喻为青蛙在觅食过程的位置更新,将搜索加速因子引入族群内部的搜索策略中,一定程度上提高了算法的全局搜索能力,利用局部最优个体、局部最差个体及全局最优个体的信息实现对脚本程序边缘局部最优路径搜索算法的改进。仿真结果表明,算法在时间成本及空间成本大幅降低,加速比提高。能摆脱局部最优解的能力强,收敛速度快,通过搜索最优路径的提取,信息交互中的信息配准提高。在ASP数据信息交互中实现可靠有效的数据通信。     

负相关种群多样性优化的软件可靠性测试策略

针对GA和SA算法在软件可靠性测试的资源分配中最优解搜索精度不高的问题,提出了一种负相关种群多样性优化的软件可靠性测试策略。首先,根据个体的适应值、个体之间的差异性这两个因素,改进算法的种群多样性问题。随机生成一个或者多个解决方案,然后使用随机搜索算子生成新的解决方案并逐代搜索,直到达到终止条件。最后,根据上述算法构建软件可靠性测试模型,并提出该模型的约束条件。收敛性和可靠性约束的实例仿真测试结果表明,本文提出的改进算法在资源分配搜索中更容易跳出局部最优,得到全局最优点,精度更高。     

基于遗传算法和梯度下降法的聚类新算法

基于遗传算法的聚类算法是一种全局优化算法,但是其局部搜索能力较差,而梯度下降法却具有较强的局部搜索能力,本文在通过遗传算法搜索得到近似全局最优解的基础上,采用梯庹下降法进一步搜索全局最优解,得到两者相结合的新算法.     

基于弹性配准的图像层间插值算法研究

针对传统配准方法存在配准精度低的问题,提出一种新的弹性配准插值算法。新方法基于B样条的自由变形模型,将最大互信息准则作为形变图像与目标图像的相似性测度对相邻的片层图像进行配准。然后,提出一种改进的双线性插值方法,通过构造插值点的最小环绕四边形计算该插值点的值,从而得到最终的插值图像。     

一种新的PSO优化FCM方法在图像分类中的应用

利用粒子群优化算法（PSO）强大的全局搜索能力,提出了用PSO算法优化FCM聚类中心的方法,有效地避免了传统的FCM由于初始值及噪声的影响,容易陷入局部最优的不足,同时图像分割的效果得到了提高,性能比传统的FCM方法更加稳定。实验结果表明,该方法在图像分类中的应用效果较好。     

自适应粒子群算法在水库优化调度中的应用研究

针对传统粒子群算法在求解梯级水库调度问题时,容易陷入局部最优而早熟收敛的问题,提出自适应粒子群算法。该改进算法结合种群进化程度自适应调整算法控制参数,从而克服传统粒子群算法参数固定引起的搜索能力不足的问题。同时,采用种群局部重建策略解决种群进化后期多样性下降的问题。将改进的粒子群算法应用于清江梯级水电站的发电调度求解,模拟计算结果表明,文章提出的改进算法具有较强的全局寻优能力,可以进一步提高算法的搜索性能和求解精度。     

基于细胞膜优化的人工鱼群算法研究

研究人工鱼群算法优化问题,为了改进AFSA在非全局极值点出现较严重聚集情况时,收敛速度降低,甚至陷入局部极值,搜索性能劣化的问题,采用细胞膜优化算法物质的转运方式,对人工鱼群算法的寻优行为进行改进,从而一定程度上避免算法陷入局部最优,提出了一种基于细胞膜优化的人工鱼群算法.通过4个典型函数仿真和应用实例仿真结果表明,该算法是可行有效的,求解精度更高,算法更稳定.     

基于自适应变异的动态粒子群优化算法

提出了一种新的基于自适应变异的动态粒子群优化算法。该算法除了采用动态惯性权重外，还引入了自适应学习因子和新的变异算子。该算法在运行过程中，根据群体适应度方差以及当前最优解的大小来确定当前最佳粒子的变异概率，采用新的变异算子变异增强了该算法跳出局部最优解的能力。对几种典型函数的测试结果表明：新算法具有很强的全局搜索能力。收敛速度和收敛精度也有所提高，并且能有效避免早熟收敛问题。     

基于粒群优化算法的导航定位控制系统设计

目前对于定位导航系统的精度越来越高,特别是在交通领域。本文提出的基于粒群优化算法的导航定位控制系统主要在数据处理方面完成对节点位置信息的准确控制,通过对节点位置信息与定位数据库参考数据进行比对,利用粒群优化算法的全局最优及局部最优算法,对节点位置进行导航定位控制。通过实验表明该控制方法具有较高的精度及稳定性。     

模拟退火算法优化无线传感器网络路由技术

由于模拟退火算法具有全局快速收敛优点,同时利用遗传算法优化模拟退火算法,加快模拟退火算法收敛速度,使其达到具有很强的全局搜索能力,最后对WSN路由优化问题求解.实验表明,本文方法有效地提高了节点能量利用效率.     

基于混沌搜索的LS-SVM预测算法

为利用最小二乘支持向量机(LS-SVM)来进行预测,首先要确定影响LS-SVM模型的两个主要参数γ和σ,针对该问题提出了采用混沌搜索算法来搜索该模型的最优参数组合。混沌搜索的运动轨迹具有遍历性,随机性,可以进行全局和局部寻优,利用该算法搜索最优参数来确定预测模型,然后将该预测模型用于预测实践。实验结果表明,该模型具有较精确的预测精度和适用性。     

基于粒子群优化算法的边坡安全系数估计

粒子群优化算法具有全局性能好、搜索效率高、容易实现等优点.文章在极大似然估计模型的基础上,采用粒子群优化算法,提出一种基于实例的边坡安全系数估计模型.工程实例研究表明,该模型精度明显优于传统极大似然估计模型和遗传算法优化模型,说明本文方法是科学可行性的.     

一种改进的免疫算法的研究

针对免疫克隆算法中存在的算法精度低,全局收敛速度快问题,本文提出了一种改进的免疫克隆算法,通过基本免疫算法中的疫苗策略和局部搜索中采用的高斯变异,使得算法的精度提高,降低了全局收敛速度,提高了局部最优解的范围,通过3个测试函数说明本文算法相比基本免疫克隆算法提高了算法的性能,提高了算法精度。     

基于改进的PSO-BP神经网络的桂林市物流预测研究

由于BP神经网络有收敛速度慢,容易陷入局部最小的缺陷,因此文章提出了一种改进的粒子群算法来优化BP神经网络的权值与阈值。使得预测模型能够在搜索最优解的过程中能够平衡算法的局部搜索和全局搜索,提高搜索的精度。对初步确定的输入指标和输出指标采用线性回归的方法,来筛选与输出指标具有强相关性的输入指标。通过MATLAB软件进行预测,比较标准的PSO-BP与改进PSO-BP模型,预测结果较好,说明改进的PSO-BP模型是有效的。