群智能優(yōu)化方法在現(xiàn)實生活中發(fā)揮著越來越重要的作用。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其鏈的運動和相互作用作為個體的運動規(guī)則進行個體位置更新而逐漸接近食物源。在眾多實際應用問題中,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,使其表現(xiàn)出良好的性能。然而,隨著SSA的應用范圍越來越廣,其不足之處也逐漸暴露,特別是在解決醫(yī)學診斷問題上,SSA的尋優(yōu)能力還有待進一步改善。為了改善SSA在醫(yī)學診斷問題上的優(yōu)化能力,本研究主要針對SSA自身存在的缺點,引入了多種新機制,進一步提升SSA算法的尋優(yōu)能力,使其在全局優(yōu)化和局部優(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方面:1、對樽海鞘優(yōu)化算法研究現(xiàn)狀和醫(yī)學診斷的研究現(xiàn)狀進行了闡述,同時總結分析了這些領域存在的問題,并指出了其發(fā)展趨勢和所面臨的問題。此外還對機器學習、特征選擇和圖像分割等問題進行了介紹,重點對本文涉及的模糊K近鄰（FKNN）算法和SSA等相關理論和存在的問題及改進... 

【文章來源】：吉林大學吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：149 頁

【學位級別】：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 國內外研究現(xiàn)狀及評述
        1.2.1 樽海鞘算法研究現(xiàn)狀
        1.2.2 醫(yī)學診斷和分割應用現(xiàn)狀
    1.3 主要研究內容
    1.4 論文組織結構
第2章 相關知識介紹
    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 基于重啟機制的集成變異樽海鞘群算法及其應用
    3.1 引言
    3.2 基礎知識
        3.2.1 集成變異策略
        3.2.2 重啟機制
    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 實驗研究
        3.5.1 函數(shù)優(yōu)化實驗
        3.5.2 疾病診斷實驗
    3.6 本章小結
第4章 基于準反向骨架機制的樽海鞘算法及其應用
    4.1 引言
    4.2 基礎知識
        4.2.1 準反向學習策略(QOBL)
        4.2.2 自適應骨架策略(BB)
    4.3 QBSSA方法
    4.4 基于二進制QBSSA的特征選擇方法
    4.5 實驗研究
        4.5.1 函數(shù)優(yōu)化實驗
        4.5.2 特征選擇實驗
    4.6 本章小結
第5章 基于骨架隨機分形搜索機制的樽海鞘群算法及其應用
    5.1 引言
    5.2 基礎知識
        5.2.1 隨機分形搜索機制(SFS)
        5.2.2 GBSFSSSA方法
    5.3 實驗結果和討論
        5.3.1 實驗:CEC2017競賽數(shù)據(jù)集函數(shù)測試
            5.3.1.1 與常規(guī)算法的比較
            5.3.1.2 與改進算法的比較
        5.3.2 GBSFSSSA方法在腎病理圖像分割中的應用
            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 圖像分割的評估指標
            5.3.2.4 實驗設置
            5.3.2.5 實驗結果
    5.4 本章小結
第6章 總結與展望
    6.1 論文內容總結
    6.2 未來工作
參考文獻
作者簡介及在學期間所取得的科研成果
致謝


【參考文獻】：
期刊論文
[1]結合邊緣檢測的語義分割算法[J]. 王囡,侯志強,趙夢琦,余旺盛,馬素剛.  計算機工程. 2021(07)
[2]基于改進蜻蜓算法的多閾值彩色圖像分割[J]. 鮑小麗,賈鶴鳴,郎春博.  計算機應用與軟件. 2020(06)
[3]進化算法優(yōu)化區(qū)域生長的太赫茲全息再現(xiàn)圖像分割[J]. 王宇彤,李琦.  中國激光. 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.  自動化技術與應用. 2020(02)
[5]基于神經網絡的圖像分割方法綜述[J]. 羅湘.  計算機產品與流通. 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.  電腦知識與技術. 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.  彈箭與制導學報. 2019(05)

博士論文
[1]基于機器學習的醫(yī)學影像分割關鍵問題研究及其在腫瘤診療中的應用[D]. 秦文健.中國科學院大學(中國科學院深圳先進技術研究院) 2019



本文編號：3485753