基于细菌觅食优化算法的图像聚类方法研究
2012-01-05王博凯杨淑莹
天津师范大学学报(自然科学版) 2012年2期
关键词:优化
冯 帆,王博凯,杨淑莹
(天津理工大学 智能计算及软件新技术重点实验室,天津 300384)
基于细菌觅食优化算法的图像聚类方法研究
冯 帆,王博凯,杨淑莹
(天津理工大学 智能计算及软件新技术重点实验室,天津 300384)
利用细菌觅食优化算法研究图像聚类问题,采用群体智能模式实现问题解的搜索.首先提取图像特征以确定解的编码形式,初始化种群,在此基础上利用细菌觅食优化算法的细菌迁徙算子、繁殖算子和趋化算子实现群体内个体之间的相互合作和竞争,提高了算法的搜索能力,实验证明该算法具有较强的适应性和鲁棒性.
细菌觅食优化算法;群体智能;优化算法
细菌觅食优化算法(Bacterial Foraging Optimization,BFO)是Passino在2002年基于大肠杆菌在人体肠道内的觅食行为提出的一种新型仿生类群体智能算法[1].与其他进化算法相比,细菌觅食优化算法具有较强的适应性和鲁棒性[2],其良好的并行性提高了算法的性能和效率,算法简单、灵活,可与其他各种算法相结合产生新的进化优化算法.由于具有群体智能算法的特点以及较强的搜索能力和易跳出局部极小值等优点,细菌觅食优化算法被广泛应用于各种群智能识别方面的问题[3].本研究将细菌觅食优化算法应用于图像聚类问题,并通过仿真实验检验算法性能.
1 细菌觅食优化算法
大肠杆菌的觅食行为可分为以下几个过程[4]:
(1)寻找可能存在食物源的区域.
(2)通过先验知识判断是否进入该觅食区域.
(3)消耗掉……
登录APP查看全文