混合密母算法及其在變化檢測中的應(yīng)用.pdf

1、進(jìn)化計(jì)算是一類模擬生物進(jìn)化過程與機(jī)制求解問題的自適應(yīng)人工智能技術(shù)。它的核心思想是：從簡單到復(fù)雜，從低級到高級的生物進(jìn)化過程，其本身是一種自然的、并行的、穩(wěn)健的優(yōu)化過程。目前，密母計(jì)算(Memetic Computation)及文化進(jìn)化計(jì)算(Cultural Evolutionary Computation)是在進(jìn)化計(jì)算向更高層次發(fā)展的過程中被提出，并已經(jīng)引起各國研究者的興趣和關(guān)注。本文提出了混合密母算法用來處理數(shù)值優(yōu)化問題、聚類問題和S

2、AR圖像檢測問題。本文主要工作如下：
　　 1)提出了一種基于雙變異密母算法，簡稱MADM。采用了兩種不同的局部學(xué)習(xí)算子來提高算法的全局和局部搜索能力。而雙變異算子來指導(dǎo)局部學(xué)習(xí)算子向好的方向搜索。局部搜索算子主要是讓個(gè)體學(xué)習(xí)周圍環(huán)境中有用信息來提高算法的搜索能力。最終通過實(shí)驗(yàn)分析本文算法與對比算法LCSA，DELG和CMA-ES性能。
　　 2)提出了一種多領(lǐng)域密母kernel k-means算法，簡稱KCMA。主要處

3、理復(fù)雜的、無標(biāo)簽的、非線性的數(shù)據(jù)集。核函數(shù)將低維的非線性數(shù)據(jù)映射到高維特征空間中，從而增加數(shù)據(jù)在高維空間線性可分的概率，找到從屬的類別。本文根據(jù)數(shù)據(jù)集的不同分布，設(shè)計(jì)了三種不同的局部搜索算法，來提高算法的搜索能力。最終為了評估算法的性能，將已有的聚類算法和本文算法在人工數(shù)據(jù)集和UCI數(shù)據(jù)集上作比較來分析算法的性能。
　　 3)針對SAR圖像的變化檢測問題，提出一種基于密母kernel k-means的SAR圖像變化檢測算法。該算