群智能優(yōu)化方法在現(xiàn)實(shí)生活中發(fā)揮著越來(lái)越重要的作用。樽海鞘（SSA）優(yōu)化算法是新近剛提出的一種算法,它是群智能優(yōu)化算法的一種典型代表。它的主要原理是基于樽海鞘在尋找食物源時(shí)其鏈的運(yùn)動(dòng)和相互作用作為個(gè)體的運(yùn)動(dòng)規(guī)則進(jìn)行個(gè)體位置更新而逐漸接近食物源。在眾多實(shí)際應(yīng)用問(wèn)題中,SSA憑借本身參數(shù)少,性能優(yōu)良及鏈中樽海鞘可以穿越多維特征空間、全方位瞄準(zhǔn)食物,從而在一定程度上減少陷入局部最優(yōu)的概率等特點(diǎn),使其表現(xiàn)出良好的性能。然而,隨著SSA的應(yīng)用范圍越來(lái)越廣,其不足之處也逐漸暴露,特別是在解決醫(yī)學(xué)診斷問(wèn)題上,SSA的尋優(yōu)能力還有待進(jìn)一步改善。為了改善SSA在醫(yī)學(xué)診斷問(wèn)題上的優(yōu)化能力,本研究主要針對(duì)SSA自身存在的缺點(diǎn),引入了多種新機(jī)制,進(jìn)一步提升SSA算法的尋優(yōu)能力,使其在全局優(yōu)化和局部?jī)?yōu)化能力之間找到較好的平衡。本文的主要工作包括以下幾個(gè)方面:1、對(duì)樽海鞘優(yōu)化算法研究現(xiàn)狀和醫(yī)學(xué)診斷的研究現(xiàn)狀進(jìn)行了闡述,同時(shí)總結(jié)分析了這些領(lǐng)域存在的問(wèn)題,并指出了其發(fā)展趨勢(shì)和所面臨的問(wèn)題。此外還對(duì)機(jī)器學(xué)習(xí)、特征選擇和圖像分割等問(wèn)題進(jìn)行了介紹,重點(diǎn)對(duì)本文涉及的模糊K近鄰（FKNN）算法和SSA等相關(guān)理論和存在的問(wèn)題及改進(jìn)... 

【文章來(lái)源】：吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：149 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀及評(píng)述
        1.2.1 樽海鞘算法研究現(xiàn)狀
        1.2.2 醫(yī)學(xué)診斷和分割應(yīng)用現(xiàn)狀
    1.3 主要研究?jī)?nèi)容
    1.4 論文組織結(jié)構(gòu)
第2章 相關(guān)知識(shí)介紹
    2.1 特征選擇
    2.2 圖像分割
    2.3 模糊K近鄰算法
    2.4 樽海鞘算法
        2.4.1 樽海鞘群算法的基本原理
        2.4.2 算法一般流程
第3章 基于重啟機(jī)制的集成變異樽海鞘群算法及其應(yīng)用
    3.1 引言
    3.2 基礎(chǔ)知識(shí)
        3.2.1 集成變異策略
        3.2.2 重啟機(jī)制
    3.3 基于重啟與集成變異的樽海鞘算法(CMSRSSSA)
    3.4 基于CMSRSSSA優(yōu)化模糊K近鄰的疾病診斷模型
    3.5 實(shí)驗(yàn)研究
        3.5.1 函數(shù)優(yōu)化實(shí)驗(yàn)
        3.5.2 疾病診斷實(shí)驗(yàn)
    3.6 本章小結(jié)
第4章 基于準(zhǔn)反向骨架機(jī)制的樽海鞘算法及其應(yīng)用
    4.1 引言
    4.2 基礎(chǔ)知識(shí)
        4.2.1 準(zhǔn)反向?qū)W習(xí)策略(QOBL)
        4.2.2 自適應(yīng)骨架策略(BB)
    4.3 QBSSA方法
    4.4 基于二進(jìn)制QBSSA的特征選擇方法
    4.5 實(shí)驗(yàn)研究
        4.5.1 函數(shù)優(yōu)化實(shí)驗(yàn)
        4.5.2 特征選擇實(shí)驗(yàn)
    4.6 本章小結(jié)
第5章 基于骨架隨機(jī)分形搜索機(jī)制的樽海鞘群算法及其應(yīng)用
    5.1 引言
    5.2 基礎(chǔ)知識(shí)
        5.2.1 隨機(jī)分形搜索機(jī)制(SFS)
        5.2.2 GBSFSSSA方法
    5.3 實(shí)驗(yàn)結(jié)果和討論
        5.3.1 實(shí)驗(yàn):CEC2017競(jìng)賽數(shù)據(jù)集函數(shù)測(cè)試
            5.3.1.1 與常規(guī)算法的比較
            5.3.1.2 與改進(jìn)算法的比較
        5.3.2 GBSFSSSA方法在腎病理圖像分割中的應(yīng)用
            5.3.2.1 多閾值圖像分割
            5.3.2.2 二維直方圖的非局部均值和Kapur熵
            5.3.2.3 圖像分割的評(píng)估指標(biāo)
            5.3.2.4 實(shí)驗(yàn)設(shè)置
            5.3.2.5 實(shí)驗(yàn)結(jié)果
    5.4 本章小結(jié)
第6章 總結(jié)與展望
    6.1 論文內(nèi)容總結(jié)
    6.2 未來(lái)工作
參考文獻(xiàn)
作者簡(jiǎn)介及在學(xué)期間所取得的科研成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]結(jié)合邊緣檢測(cè)的語(yǔ)義分割算法[J]. 王囡,侯志強(qiáng),趙夢(mèng)琦,余旺盛,馬素剛.  計(jì)算機(jī)工程. 2021(07)
[2]基于改進(jìn)蜻蜓算法的多閾值彩色圖像分割[J]. 鮑小麗,賈鶴鳴,郎春博.  計(jì)算機(jī)應(yīng)用與軟件. 2020(06)
[3]進(jìn)化算法優(yōu)化區(qū)域生長(zhǎng)的太赫茲全息再現(xiàn)圖像分割[J]. 王宇彤,李琦.  中國(guó)激光. 2020(08)
[4]基于圖像閾值分割的滸苔圖像提取[J]. 張日升,原明亭,丁軍航,官晟,孟憲法.  自動(dòng)化技術(shù)與應(yīng)用. 2020(02)
[5]基于神經(jīng)網(wǎng)絡(luò)的圖像分割方法綜述[J]. 羅湘.  計(jì)算機(jī)產(chǎn)品與流通. 2019(09)
[6]基于樽海鞘群優(yōu)化算法的裂縫圖像分割[J]. 王麗,康飛.  電腦知識(shí)與技術(shù). 2019(25)
[7]基于樽海鞘群算法的圖像匹配方法[J]. 王斐,賈曉洪,李麗娟,王忠勇.  彈箭與制導(dǎo)學(xué)報(bào). 2019(05)

博士論文
[1]基于機(jī)器學(xué)習(xí)的醫(yī)學(xué)影像分割關(guān)鍵問(wèn)題研究及其在腫瘤診療中的應(yīng)用[D]. 秦文健.中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院) 2019



本文編號(hào)：3485753