目前很多的客觀圖像質(zhì)量評(píng)價(jià)方法評(píng)價(jià)結(jié)果與人眼的觀測結(jié)果相差較大,因此基于機(jī)器學(xué)習(xí)的評(píng)價(jià)方法得到廣泛研究和關(guān)注。極限學(xué)習(xí)機(jī)是常用的圖像質(zhì)量評(píng)價(jià)方法之一,但傳統(tǒng)極限學(xué)習(xí)機(jī)存在容易產(chǎn)生過擬合、泛化能力和預(yù)測精度有待提高等問題。蚱蜢優(yōu)化算法是近年提出的智能優(yōu)化算法,具有較好的尋優(yōu)性能,通過引入萊維飛行改進(jìn),蚱蜢優(yōu)化算法尋優(yōu)能力可以進(jìn)一步提升,能有效地解決傳統(tǒng)極限學(xué)習(xí)機(jī)訓(xùn)練中存在的問題。本文將改進(jìn)后的蚱蜢優(yōu)化算法與極限學(xué)習(xí)機(jī)相結(jié)合,應(yīng)用于圖像質(zhì)量評(píng)價(jià)中,主要工作如下:（1）設(shè)計(jì)了一種基于萊維飛行改進(jìn)的蚱蜢優(yōu)化算法。為了使蚱蜢優(yōu)化算法更好的找到全局最優(yōu)解,引入萊維分布的機(jī)制,能夠使得原有的優(yōu)化算法在性能上得到了很好的提升,更好地越出局部范圍,從而得到更好的全面的最優(yōu)解。實(shí)驗(yàn)表明,優(yōu)化后的蚱蜢優(yōu)化算法能更好的找到全局最優(yōu)解。（2）設(shè)計(jì)了一種基于改進(jìn)蚱蜢優(yōu)化算法優(yōu)化極限學(xué)習(xí)機(jī)的圖像質(zhì)量評(píng)價(jià)方法。采用改進(jìn)的蚱蜢優(yōu)化算法和極限學(xué)習(xí)機(jī)算法相結(jié)合,利用改進(jìn)的蚱蜢優(yōu)化算法對(duì)極限學(xué)習(xí)機(jī)的權(quán)重和偏置進(jìn)行尋優(yōu),找到最佳組合,得到改進(jìn)極限學(xué)習(xí)機(jī)預(yù)測模型,在圖像質(zhì)量評(píng)價(jià)數(shù)據(jù)庫上進(jìn)行測試,相關(guān)實(shí)驗(yàn)結(jié)果表明,該方法能提高在圖... 

【文章來源】：湖北工業(yè)大學(xué)湖北省

【文章頁數(shù)】：61 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

評(píng)價(jià)圖像質(zhì)量評(píng)價(jià)算法的性能的過程

湖北工業(yè)大學(xué)碩士學(xué)位論文13^1,SNiijijjjisdd（2.2）其中ijd是第i和蚱蜢和第j個(gè)蚱蜢之間的距離，它可以由=ijjidxx計(jì)算所得，S是一個(gè)函數(shù)，用于定量社交力度的大小，^=jiijijxxdd是第i和蚱蜢個(gè)體至第j個(gè)蚱蜢個(gè)體的單位向量。S函數(shù)代表著社交力度，其計(jì)算方式為，，其指示這蚱蜢的社會(huì)互動(dòng)(吸引和排斥)受影響程度。在這個(gè)大型蚱蜢群落里，把每一個(gè)個(gè)體連接在一起，每個(gè)個(gè)體都能夠通過其他的來判斷自己要尋找吃食的方位。圖（2.1）所示，蚱蜢之間有排斥力和吸引力，不會(huì)因?yàn)閭�(gè)體之間的相互吸引而導(dǎo)致蚱蜢種群聚集的過度緊密，雖然有吸引同類個(gè)體的現(xiàn)象，但是并不會(huì)沒有條件的一直向外擴(kuò)大。所有的個(gè)體在前進(jìn)時(shí)都往一個(gè)目標(biāo)靠近。隨位置的不斷改變，目標(biāo)的范圍不斷縮小，到最后，所有的個(gè)體都在接近標(biāo)的地方。圖2.1蚱蜢個(gè)體間的位置校正方式蚱蜢種群中個(gè)體的位置根據(jù)公式(2.3)進(jìn)行更新，圖2.1為蝗蟲舒適區(qū)交互作用的概念示意圖。盡管s函數(shù)有優(yōu)點(diǎn)，但它不能應(yīng)用蝗蟲之間的距離很大，力也很大。為了解決這個(gè)問題，需要蚱蜢之間的距離映射或歸一化為。為了解決最優(yōu)化問題，隨機(jī)算法必須進(jìn)行有效的探索和開發(fā)，以確定全局最優(yōu)的精確逼近。上述數(shù)學(xué)模型應(yīng)設(shè)置特殊參數(shù)，以顯示不同優(yōu)化階段的勘探開發(fā)。提出的數(shù)學(xué)模型如下：

湖北工業(yè)大學(xué)碩士學(xué)位論文15圖2.2蚱蜢優(yōu)化算法的算法流程圖在實(shí)際的解決問題的過程中，由于不知道全局最佳值在哪個(gè)地方，所以需要在每次迭代中尋找最佳值。假設(shè)每個(gè)優(yōu)化過程中當(dāng)前優(yōu)化值最高的個(gè)體是目標(biāo)值。這有助于將蝗蟲個(gè)人轉(zhuǎn)移到每個(gè)搜索過程的最佳解，并逐漸接近問題的總最大值。優(yōu)秀的解決方案蝗蟲優(yōu)化算法通過隨機(jī)初始化一系列解決方案來開始優(yōu)化操作。在優(yōu)化過程中，根據(jù)公式(2.3)執(zhí)行位置更新，并且系數(shù)c的更新取決于公式(2.4)。每次迭代，更新最佳目標(biāo)位置，返回最佳個(gè)人位置和匹配值，直到循環(huán)達(dá)到終止條件。2.2萊維飛行基本原理數(shù)學(xué)家Lévy在20世紀(jì)30年代發(fā)現(xiàn)了萊維分布。在生存環(huán)境中，有些昆蟲在外出尋找食物時(shí)所走的路線是存在一定規(guī)律的，比如蜜蜂，果蠅等昆蟲，研究發(fā)現(xiàn)，這些昆蟲的覓食軌跡都與萊維分布模型一致。Lévy飛行符合萊維分布的概率模型，飛行過程中，短的步長和長的步長都有，有一定規(guī)律的交換。經(jīng)過很多步后，隨機(jī)游走的距離會(huì)趨于穩(wěn)定。在飛行過

【參考文獻(xiàn)】：
期刊論文
[1]基于智能計(jì)算的廣西冷濕極端天氣定性和定量組合預(yù)報(bào)方法研究[J]. 黃穎,金龍,陸虹,黃翠銀,周秀華.  大氣科學(xué). 2019(06)
[2]基于深度網(wǎng)絡(luò)和視覺特性的無參考圖像質(zhì)量評(píng)價(jià)方法[J]. 高方遠(yuǎn),何立火.  南京師大學(xué)報(bào)(自然科學(xué)版). 2019(03)
[3]基于機(jī)器學(xué)習(xí)的全參考圖像質(zhì)量評(píng)價(jià)模型泛化能力分析[J]. 馬小雨,姜秀華.  中國傳媒大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(04)
[4]基于文化混合優(yōu)化算法的旅行商問題求解[J]. 馬晗,常安定,陳童,李江杰.  計(jì)算機(jī)工程與科學(xué). 2019(07)
[5]淺談?dòng)?jì)算機(jī)輔助數(shù)理統(tǒng)計(jì)方法教學(xué)[J]. 李秀昌,孫健.  教育教學(xué)論壇. 2019(27)
[6]數(shù)字圖像處理實(shí)驗(yàn)教學(xué)研究與實(shí)踐探討[J]. 杜號(hào)軍.  學(xué)周刊. 2019(19)
[7]基于萊維飛行的改進(jìn)蟻群算法的PID參數(shù)優(yōu)化[J]. 孫悅,何同祥.  儀器儀表用戶. 2019(06)
[8]基于引導(dǎo)濾波器和加權(quán)二維主成分分析的視頻融合[J]. 徐丹,鞏沛琪,郭松濤,王英,姚菁.  重慶大學(xué)學(xué)報(bào). 2019(05)
[9]基于萊維飛行的水波優(yōu)化算法[J]. 金旭旸.  科技創(chuàng)新與生產(chǎn)力. 2019(05)
[10]非線性編輯系統(tǒng)中的數(shù)字視頻壓縮技術(shù)探討[J]. 蔣杰.  通訊世界. 2019(04)

博士論文
[1]前饋神經(jīng)網(wǎng)絡(luò)梯度學(xué)習(xí)算法收斂性分析[D]. 王健.大連理工大學(xué) 2012
[2]粒子群優(yōu)化算法研究及其應(yīng)用[D]. 王維博.西南交通大學(xué) 2012

碩士論文
[1]基于人類視覺系統(tǒng)的圖像質(zhì)量評(píng)價(jià)算法研究[D]. 楊玉芬.中國礦業(yè)大學(xué) 2016
[2]基于自然統(tǒng)計(jì)特性的圖像去霧質(zhì)量評(píng)價(jià)[D]. 武文暉.西安電子科技大學(xué) 2015
[3]智能算法在圖像質(zhì)量評(píng)價(jià)中的應(yīng)用研究[D]. 張立冬.江南大學(xué) 2015
[4]基于數(shù)字水印的圖像質(zhì)量評(píng)價(jià)方法研究[D]. 康良成.江南大學(xué) 2015
[5]最小均方誤差自適應(yīng)時(shí)延估計(jì)算法研究[D]. 喬振岳.西安電子科技大學(xué) 2014
[6]基于支持向量機(jī)的圖像去噪和圖像質(zhì)量評(píng)價(jià)的研究[D]. 黃玉飛.中北大學(xué) 2013
[7]基于人眼視覺系統(tǒng)的硬拷貝圖像質(zhì)量評(píng)價(jià)算法的研究[D]. 夏誠.上海交通大學(xué) 2013
[8]基于HVS特性的圖像質(zhì)量客觀評(píng)價(jià)[D]. 龔洪濤.南京理工大學(xué) 2011



本文編號(hào)：3386864