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
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
共 17 条
[1]   一种二进制编码的量子粒子群优化算法 [J].
奚茂龙 ;
孙俊 ;
吴勇 .
控制与决策, 2010, 25 (01) :99-104
[2]   基于最大互信息量熵差分割的CT金属伪影消除 [J].
马建华 ;
陈武凡 ;
黄静 ;
杨迪 ;
毕一鸣 .
电子学报, 2009, 37 (08) :1779-1783
[3]   基于SPCNN和Nagao滤波的图像去噪 [J].
张煜东 ;
吴乐南 .
中国科学(F辑:信息科学), 2009, 39 (06) :598-607
[4]   基于邻域激励脉冲耦合神经网络的图像分割 [J].
程丹松 ;
刘晓芳 ;
唐降龙 ;
刘家锋 .
华中科技大学学报(自然科学版), 2009, 37 (05) :33-37
[5]   基于局部对比度的自适应PCNN图像融合 [J].
苗启广 ;
王宝树 .
计算机学报, 2008, (05) :875-880
[6]   脉冲耦合神经网络在图像处理中的参数确定 [J].
于江波 ;
陈后金 ;
王巍 ;
李居朋 .
电子学报, 2008, (01) :81-85
[7]   基于脉冲耦合神经网络和施密特正交基的一种新型图像压缩编码算法 [J].
马义德 ;
齐春亮 ;
钱志柏 ;
史飞 ;
张在峰 .
电子学报, 2006, (07) :1255-1259
[8]   基于遗传算法的脉冲耦合神经网络自动系统的研究 [J].
马义德 ;
齐春亮 .
系统仿真学报, 2006, (03) :722-725
[9]   一种新的基于PCNN的图像自动分割算法研究 [J].
赵峙江 ;
张田文 ;
张志宏 .
电子学报, 2005, (07) :1342-1344
[10]   一种基于简化PCNN的自适应图像分割方法 [J].
毕英伟 ;
邱天爽 .
电子学报, 2005, (04) :647-650