《Memetic網路模型及其自適應進化學習算法研究》是依託西安電子科技大學，由馬文萍擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：Memetic網路模型及其自適應進化學習算法研究
- 項目類別：青年科學基金項目
- 項目負責人：馬文萍
- 依託單位：西安電子科技大學
中文摘要,結題摘要,
中文摘要
本項目針對現有Memetic算法對複雜數據結構逼近能力弱和已有免疫網路模型自適應能力弱的缺陷，擬將兩者相結合，構造神經系統對免疫系統的調節模型，結合拉馬克、班德文學習機理，建立具備局部自適應學習能力的Memetic網路模型，並將新模型用於複雜數據聚類和SAR圖像分割等問題，以驗證算法的正確性和有效性。本課題的研究成果將有助於突破目前Memetic計算領域關注於進化＋學習的研究思路，拓展Memetic計算的研究範疇。研究成果擬在主流期刊和會議上發表論文10～12篇，申報專利2～3項，聯合培養博士、碩士3～5人。
結題摘要
本項目將memetic算法與模糊聚類相結合，提出了基於粗糙集與差分免疫的模糊聚類算法，並將其套用於圖形分割領域中，以達到目標識別和分析的目的。對於遙感圖像配準問題，提出了基於快速採樣一致性模型的遙感圖像點配準方法，該方法可以得到魯棒，快速，準確的結果。將正交學習策略和差分進化算法相結合，提出了基於正交學習差分進化算法的遙感圖像配準方法，其魯棒性和收斂性都有了明顯的提升。我們將信息融合和模糊聚類相結合，提出了基於信息融合的遙感圖像變化檢測方法，能夠利用兩種常用的比值運算元產生的差異圖的優點，從而使得生成的差異圖能夠具有更多的關於圖像變化的信息。將核度量引入模糊動態輪廓模型，提出了基於水平集的核度量模糊動態輪廓模型的圖像分割方法，其輪廓的演化更加平穩和魯棒。同時，對於推薦系統問題，提出了經過融合後的雙向擴散算法，推薦系統性能在原來基礎上取得了長足的提升。研究成果在國內外權威期刊和國際知名會議上總計發表論文15篇，其中SCI檢索11篇，申請國家發明專利43項，其中4項已授權, 培養博士研究生2人、碩士研究生3人。
