基于量子克隆优化的sar图像分类 sar image classification based on quantum clonal optimization.pdfVIP

下载本文档

8
0
约2.3万字
约 6页
2017-08-13 发布于上海
举报
版权申诉

基于量子克隆优化的sar图像分类 sar image classification based on quantum clonal optimization.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于量子克隆优化的sar图像分类 sar image classification based on quantum clonal optimization

第12期电子学报 V01．35No．12 2007年12月 ACrAEU!(汀RONICASINICA Dec．20Q7 基于量子克隆优化的SAR图像分类马文萍，焦李成，张向荣，李阳阳 (西安电子科技大学智能信息处理研究所，陕西西安710071) 摘要：将量子交叉操作引入人工免疫系统中的克隆选择优化，提出了一种用于解决SAR图像分类问题的量子克隆优化算法，基于Markov理论证明了其收敛性．新算法采用克隆选择操作同时在同一抗体周围的多个方向进行搜索，通过在各个子群体间采用量子交叉算子增强抗体间的信息交换，有效地克服了早熟现象．对x波段和Ku波段 SAR图像的分类实验表明，与模糊C均值算法、K近邻算法和克隆选择算法相比，新算法的平均分类精度分别提高了 13．57、11．79和5．79个百分点，而且新算法的鲁棒性也明显优于其他三种方法．关键词：克隆选择；量子计算；SAR图像；图像分类中图分类号：TPl8 文献标识码： A 文章编号：0372—2112(2007)12．2241—06 SARI ClassificationBasedon CIonalmization mage Quantum0pti MA Wen—ping，J认OLi-Cheng，ZHANGXiang—Rong，LIYang—yang (Institute 710071，China) ofIntelligetah#rmaaonProcessing，XidianUniversity，Xi；oil，Shaanxi Abstract：Basedontheclonalselection novel Clonal crossover，aQuantum optimization谢mquantum Optimizationm90一 rithrnis for SAR classification basedonthe ofMarkovhas that proposedsolvingimage problems，theoreticalanalysis theory proved thenew could tothe new call out in directionsaroundthe converage carry algorithm globaloptimum．Thealgorithm searchingmany same crossoverrealizestheinformationinteractionsthe antibodysimultaneously．Theproposedquantum operator amongsub-popula— asto tionSO resultsonX-bandandKu—bandSAR indicatethat preventprematureconvergenceeffectively．Theexperimental images withthe C-means K-Nearest