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：

模式识别与人工智能 | 2012年 / 25卷 / 06期

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

页码：909 / 915

页数：7

共 17 条

[1] 一种二进制编码的量子粒子群优化算法 [J].