电子学报
電子學報
전자학보
ACTA ELECTRONICA SINICA
2009年
3期
562-566
,共5页
图像目标识别%特征选择%生物免疫
圖像目標識彆%特徵選擇%生物免疫
도상목표식별%특정선택%생물면역
针对目标与背景两类图像模式识别问题,在已有的特征选择方法基础上,提出了一种新颖的基于免疫分子编码机理的图像特征选择方法(Immune Antibody Construction Algorithm,IACA).该方法借鉴生物免疫系统的抗体分子编码机理,在对样本进行参数估计情况下,提出熵度量单个特征对于目标和背景的识别敏感度;从集合的角度研究并且定义了特征之间的包含和互补关系;并且基于组成抗体分子氨基酸结合能量最小原则,提出了关于图像目标的免疫抗体构建规则;最终实现了寻找最优特征子集的算法IACA,该特征子集的维数通过算法自动获得无需人为设定,选择结果为目标的"免疫抗体",能很好的从背景中识别目标.利用归纳法证明了用IACA得到的特征子集的最优性.与其他特征选择方法比较,测试结果显示该算法具有较低的计算复杂度和错误识别率,表明了该方法的优越性和先进性.
針對目標與揹景兩類圖像模式識彆問題,在已有的特徵選擇方法基礎上,提齣瞭一種新穎的基于免疫分子編碼機理的圖像特徵選擇方法(Immune Antibody Construction Algorithm,IACA).該方法藉鑒生物免疫繫統的抗體分子編碼機理,在對樣本進行參數估計情況下,提齣熵度量單箇特徵對于目標和揹景的識彆敏感度;從集閤的角度研究併且定義瞭特徵之間的包含和互補關繫;併且基于組成抗體分子氨基痠結閤能量最小原則,提齣瞭關于圖像目標的免疫抗體構建規則;最終實現瞭尋找最優特徵子集的算法IACA,該特徵子集的維數通過算法自動穫得無需人為設定,選擇結果為目標的"免疫抗體",能很好的從揹景中識彆目標.利用歸納法證明瞭用IACA得到的特徵子集的最優性.與其他特徵選擇方法比較,測試結果顯示該算法具有較低的計算複雜度和錯誤識彆率,錶明瞭該方法的優越性和先進性.
침대목표여배경량류도상모식식별문제,재이유적특정선택방법기출상,제출료일충신영적기우면역분자편마궤리적도상특정선택방법(Immune Antibody Construction Algorithm,IACA).해방법차감생물면역계통적항체분자편마궤리,재대양본진행삼수고계정황하,제출적도량단개특정대우목표화배경적식별민감도;종집합적각도연구병차정의료특정지간적포함화호보관계;병차기우조성항체분자안기산결합능량최소원칙,제출료관우도상목표적면역항체구건규칙;최종실현료심조최우특정자집적산법IACA,해특정자집적유수통과산법자동획득무수인위설정,선택결과위목표적"면역항체",능흔호적종배경중식별목표.이용귀납법증명료용IACA득도적특정자집적최우성.여기타특정선택방법비교,측시결과현시해산법구유교저적계산복잡도화착오식별솔,표명료해방법적우월성화선진성.
