一种基于粒子群算法和Hopfield网络求解TSP问题的方法

针对Hopfield网络求解TSP问题经常出现局部最优解,将粒子群算法(PSO)与Hopfield神经网络结合,提出一种基于粒子群的Hopfield神经网络方法. 实验证实这种方法能够以更大概率收敛到全局最优.     

一种极化合成孔径雷达图像分类的混合方法

为了更好地对极化合成孔径雷达图像进行分类,提出了一种基于神经网络的混合方法.特征集包括图像的5个H/α系数和基于灰度共生矩阵的6个参数.采用主成分分析方法压缩特征维数,利用3层BP神经网络进行分类,并将Levenberg-Marquardt法与共轭梯度算法相结合求解网络权值.利用该算法对San Francisco地面的实测数据进行分类,实验结果显示该算法能有效分辨地形,且性能优于Wishart最大似然估计方法.     

一种基于有性繁殖的免疫克隆选择算法用于图像复原

传统的图像复原本质是一个最小化问题,对能量函数做出改进.另外为求得其最优解,将免疫克隆选择算法(ICSA)与有性繁殖(SP)相结合,提出一个基于有性繁殖的免疫克隆选择算法(SPICSA).分析与实验表明,该算法能够获得全局最优点,复原的图像优于仅采用ICSA复原结果.