共 17 条
一种基于QPSO的脉冲耦合神经网络参数的自适应确定方法
被引:7
作者:
许新征
[1
,2
]
丁世飞
[1
,2
]
史忠植
[2
]
赵作鹏
[1
]
朱红
[1
]
机构:
[1] 中国矿业大学计算机科学与技术学院
[2] 中国科学院计算技术研究所智能信息处理重点实验室
来源:
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;
D O I:
10.16451/j.cnki.issn1003-6059.2012.06.014
中图分类号:
TP183 [人工神经网络与计算];
学科分类号:
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.
引用
收藏
页码:909 / 915
页数:7
相关论文