论文研究 基于混沌粒子群算法的多阈值图像分割.pdf

针对单幅图像自适应阈值分割算法复杂度高、实时性不足的问题,提出了一种基于图像序列期望特征的阈值分割方法。以图像期望背景区域面积特征为例阐述了方法原理和实现流程。通过与传统(Ostu)算法对比,论述了方

在基于DEM的地形表面重构中，传统的插值方法（B样条插值、双线形插值）获取的地形表面过于平滑，不能反映自然地形具有无限细节的事实。引入3维迭代函数系统（3D-IFS）插值方法来重构经随机简化的原始地形

针对传统粒子群算法过早收敛，趋向于局部最优的问题，提出了一种新的改进的粒子群算法。 自适应惯性权重因子用于加快收敛速度​​，混沌序列用于调整加速度系数，以实现勘探与开发之间的平衡。 通过与非支配排序遗

针对标准粒子群算法易出现早熟的问题，提出了一种带邻近粒子信息的粒子群算法。该算法中粒子位置的更新不仅包括自身最优和种群最优，还包括粒子目前位置最近粒子最优的信息。为了有效地平衡算法的全局探索和局部开发

从研究分析粒子群算法和郭涛算法的特点出发，提出一种综合两算法优点的混合算法。新算法改变了粒子的更新方式，以子空间搜索和串行搜索相结合的多点并行搜索，扩大了算法的搜索范围，减少了粒子对初值的依赖，增强了

分析了粒子群算法的惯性部分、个体认知部分和群体认知部分的作用，对粒子群算法迭代方程的各部分进行变形，获得了三种新形式的粒子群算法。用算例说明所得到的三个新的粒子群算法具有较好的优化能力。

为克服粒子群优化算法早熟收敛，提出一种基于子群变异的改进粒子群优化算法（SsMPSO）。该算法提出一种具有随机定向振荡式搜索的子群对主群的全局最优位置进行变异，改变了完全随机的变异方式，为算法提供局部

matlab平台下的粒子群和混沌搜索的协同优化算法，程序可以成功运行。

文化粒子群优化算法，艾景波，滕弘飞，为了提高粒子群优化（PSO）算法的计算精度和计算效率，避免“早熟”，本文给出文化粒子群优化算法。该算法模型将PSO纳入文化算法框

针对粒子群优化算法在处理高维复杂函数时存在收敛速度慢、易陷入早熟收敛等缺点，提出了混合粒子群优化算法。它借鉴群体位置方差的早熟判断机制，把基因换位和变异算子引入到算法中，构造出新的个体和个体基因的适应