科学技术与工程
科學技術與工程
과학기술여공정
SCIENCE TECHNOLOGY AND ENGINEERING
2013年
1期
236-239
,共4页
粒子群优化%期望最大值%图像统计模型
粒子群優化%期望最大值%圖像統計模型
입자군우화%기망최대치%도상통계모형
针对期望最大值算法(EM)对图像统计模型初始值敏感和容易陷入局部极值的弱点,结合粒子群优化算法(PSO)全局寻优的特点,提出一种有效解决此问题的EM-PSO混合算法.该算法将粒子分为最优种群和进化种群,分别用EM算法和PSO算法进行更新.然后选取最优粒子群作为EM算法的初始值.仿真结果表明,用EM-PSO算法拟合图像统计模型比用EM算法拟合图像统计模型更准确.
針對期望最大值算法(EM)對圖像統計模型初始值敏感和容易陷入跼部極值的弱點,結閤粒子群優化算法(PSO)全跼尋優的特點,提齣一種有效解決此問題的EM-PSO混閤算法.該算法將粒子分為最優種群和進化種群,分彆用EM算法和PSO算法進行更新.然後選取最優粒子群作為EM算法的初始值.倣真結果錶明,用EM-PSO算法擬閤圖像統計模型比用EM算法擬閤圖像統計模型更準確.
침대기망최대치산법(EM)대도상통계모형초시치민감화용역함입국부겁치적약점,결합입자군우화산법(PSO)전국심우적특점,제출일충유효해결차문제적EM-PSO혼합산법.해산법장입자분위최우충군화진화충군,분별용EM산법화PSO산법진행경신.연후선취최우입자군작위EM산법적초시치.방진결과표명,용EM-PSO산법의합도상통계모형비용EM산법의합도상통계모형경준학.
