基于粗糙集和小波的遗传算法图像分割

粗糙集理论是一种新的处理模糊和不确定问题的数学工具,小波分析具有良好的时频局部化特性,遗传算法是一种借鉴生物界自然选择和自然遗传机制的随机搜索算法.提出了一种基于粗糙集去噪和小波细节增强,利用遗传算法进行图像分割的方法.实验结果表明,方法十分有效.     

基于内容的图像检索技术综述

介绍了基于内容图像检索系统的基本组成,以及颜色、纹理、形状、多特征综合等主要的图像特征提取方法,并根据查准率、查全率进行了评价。     

一种基于遗传算法自学习的图像检索方法

目的 根据传统的相关反馈图像检索的不足，结合遗传算法的优越性，提出了基于遗传算法自学习的图像检索方法，以改进图像检索性能。方法首先通过相关反馈中的人-机交互过程，进行遗传算法的初始群体构造，再通过遗传算法进行自学习，获得满足用户语义要求的最优解。结果实验证明，该方法能够提高检索的性能，查找出更多表达用户查询意图的图像。结论给出了遗传算法在相关反馈图像检索中的应用方法。利用遗传算法自学习的过程，能够发现用户潜在的需求，改善查询结果。     

基于粗糙集与SVM的图像检索相关反馈算法

通过有效的组织粗糙集理论的约简算法与支持向量集中的分类算法,借助用户的反馈标记,较大的提高了图像检索查全率与查准率,使检索的目标图像更能符合用户的语义特征.由于粗糙集理论的引入消去了本次检索的冗余属性,提高了图像检索的时间复杂性.SVM与相关反馈的结合降低了维数灾难,也降低了高层语义与低层特征的差异带来的困难.     

基于EBIR算法和遗传算法的图像信息检索

虽然我们批判经验论,但人的很多判断依赖于经验,所以我们不得不承认经验在日常生活中的作用.有些时候(如医学诊断),我们需要存储大量的图片,同时也需要借鉴以往的经验.这样,从大量的图片库中寻找与待处理图片相似的信息就显得尤为重要了.利用遗传算法的全局寻优的优势,选取适当的适应度函数,利用从图像中提取主特征值的方法存储并检索图像数据库,取得了比较理想的效果.     

基于遗传算法进行特征选择和权重设置的图像检索

为了降低高维特征空间的维度,从高维特征空间中选择最优特征子集作为检索特征,并合理设置检索特征的权重,使得最优检索特征能够有效融合,运用遗传算法进行自适应特征选择和权重设置.实验数据表明,运用遗传算法进行特征选择和权重设置,提高了图像检索的精度.     

基于感兴趣区域和神经网络的图像检索

提出一种感兴趣区域的图像检索方法,该方法首先采用遗传FCM算法对图像进行分割,然后提取分割后的区域特征进行检索;为了缩小低层特征和高层语义之间的语义鸿沟,最后提出一种基于神经网络的相关反馈方法,实验表明,该方法具有较好的检索性能,系统具有较高的查全率和查准率.     

基于支持向量机的相关反馈图像检索算法

相关反馈技术是近年来在图像检索中较为重要的研究方法 ,从机器学习的角度 ,以支持向量机 (SVM)为分类器 ,提出了一种新的相关反馈方法。在每次反馈中对用户标记的正例和反例样本进行学习 ,建立 SVM分类器作为模型 ,并根据学习所得的模型进行检索。由于 SVM分类器在一定程度上勾勒出了相关图像在特征空间中的分布 ,因而对整个图像库进行检索时可以查找到更多的相关图像。使用由9918幅图像组成的图像库进行实验 ,结果表明 :该方法可以通过交互的反馈过程 ,有效地检索出更多的相关图像 ,并且在有限训练样本情况下具有良好的泛化能力     

基于文本的图像检索与基于内容的图像检索技术的比较研究

随着互联网的快速发展及各种数字化设备的普及,现代数字社会中的图像信息的数量在迅猛增长,图像信息的检索技术的研究得到了越来越多的关注.本文介绍了基于文本的图像检索技术与基于内容的图像检索技术,比较研究了这两种技术的不同的特点,指出综合运用TBIR和CBIR共同检索Web图像.     

基于粗糙集的遗传算法在数据挖掘中的应用

应用粗糙集对知识分类的特点,结合遗传算法进化理论,提出了新的数据挖掘模型;针对大数据表字段过多、信息冗余大的特点,采用粗糙集的理论方法进行处理,在改进数据预处理方法的基础上,对条件属性进行约简,提出了改进的属性约简算法;指出对于数据量大的决策表仅仅属性约简是不够的,对大量的规则还要进行筛选提取,结合遗传算法进行优化筛选处理,通过选择、交叉、变异后从大量的规则中得到较优的规则集.     

基于语义图像检索的关键技术

结合作者在基于内容的图像检索(CBIR)方面的研究工作,指出了基于语义的图像检索是图像检索发展的趋势。首先给出了层次化语义模型,然后介绍语义表示的方法,详细总结了三种语义提取方法:基于视觉特征的语义算法、基于关键字网络的语义算法和基于语义向量的算法。最后,阐述了相关反馈技术的应用。     

基于非负矩阵分解的相关反馈图像检索算法

提出了一种新的基于非负矩阵分解(NMF)的相关反馈检索算法．在每次反馈过程中,由用户标记与查询图像相似的正例样本的特征向量构成样本矩阵,进行NMF分解,得到NMF的基矩阵和样本的系数矩阵,然后根据分解所得的模型进行检索．由于NMF在一定程度上勾勒出了相关图像在基矩阵所代表的空间中的分布,因而可以有效地提高检索的查准率．使用由500幅图像组成的图像库进行实验,通过与特征加权以及支撑向量机相关反馈方法的比较表明,该方法通过交互的NMF相关反馈,确实能使图像检索的查准率得到较大的提高．     

基于内容的交互式图像检索方法的实现

在基于内容的图像检索（CBIR）中,很难定义“相似”的含义,因为相似性具有主观因素,随不同的情形发生变化。为此,本文介绍了几个有特色的基于内容的交互式图像检索系统,最后提出了引用动态规划的思想来约束反馈机制的每一阶段,并通过实验证实了交互式检索的效果、效率是更高的。     

基于人工智能方法的图像语义检索

根据语义特征进行图像检索是图像检索技术的发展趋势。文章提出了一种基于人工智能以实现图像语义特征提取的方法,即通过模糊逻辑、遗传算法和人工神经网络三者的融合来解决图像语义特征提取这一难题,该方法使图像检索能够满足用户的需求,提高了图像检索的效率和精度。     

基于增量式遗传算法的粗糙集分类规则挖掘

从规则获取和优化两个方面研究了基于遗传算法(GA)的增量式粗糙集分类规则挖掘方法．通过研究决策表和决策规则系数，建立了基于粗糙集表示和度量的知识理论，将GA和粗糙集分类规则挖掘算法相结合，在保持原有知识完备的前提下，利用GA对以增量形式获得的分类规则进行优化，获取最优分类规则．试验结果表明，执行增量式GA所需时间较执行一般GA所需时间要少，可有效完成分类规则优化的任务，同时还可提高分类的精度，使分类结果具有更好的可理解性．     

一种基于概率粗糙集模型的图像语义检索方法

针对目前图像数据信息量大、检索不易和人们对图像检索习惯于对图像概念语义进行检索的难题,本文将概率粗糙集理论和图像的语义标注技术引入图像的信息检索中,提出了一种基于朴素贝叶斯理论和概率粗糙集模型的图像语义信息检索模型.首先,针对图像库中的图像构造精确标注词空间,并通过朴素贝叶斯理论对图像进行精确标注和模糊加权标注.将概率...     

基于图像统计特性的商标图像检索

提出了单元图像和单元特征的概念,并在不同层次上从不同角度对图像进行多重描述。根据这些描述用欧氏距离来度量图像间的相似性。实验结果表明,本方法具有良好的检索效果。     

基于遗传算法和粗糙集理论的增量式规则获取方法

规则获取的增量式算法是数据挖掘领域的一个热点问题.基于粗糙集理论,从规则获取和优化两方面研究了基于遗传算法的增量式规则挖掘方法,它具有结构简单、搜索效率高、求解速度快等优点.通过研究决策表和决策规则系数,建立基于粗糙集表示和度量的知识,并且将遗传算法和规则挖掘算法相结合,建立了新的优化方法,提出了一种基于遗传算法的增量式规则挖掘的方法.在原有规则集的基础上进行规则和规则参数的增量式更新,避免了为更新规则而重新运行规则获取算法.试验结果表明,执行增量式GA的能够有效地获取最优规则.     

基于免疫遗传算法的粗糙集属性约简

属性约简是粗糙集合研究的核心内容之一,现已证明寻找最小约简是NP-hard问题。本文利用一种新的区分矩阵与免疫遗传算法结合方法,通过简化区分函数方法求得核属性,有效提高计算速度,能够实现相容/不相容决策表的属性约简,改进后的算法可以求取属性的一个约简。     

基于颜色的图像检索

论述了基于颜色的图像检索方法，对颜色空间的选择、颜色的量化以及颜色的相似测试进行了讨论。在此基础上，对两种典型的基于颜色的图像检索方法的特点、关键技术的实现方法以及存在的问题进行了详细的分析和比较。