陈云凤
- 作品数：6 被引量：16H指数：3
- 供职机构：南京林业大学信息科学技术学院更多>>
- 发文基金：江苏省自然科学基金国家自然科学基金国家重点基础研究发展计划更多>>
- 相关领域：自动化与计算机技术轻工技术与工程农业科学电子电信更多>>
- 基于改进的NCSPSO-AFSA对SVM参数的优化及其应用被引量：3
- 2014年
- 为了找到支持向量机(SVM)最佳的分类参数,用以构建适合纹理图像分割的SVM分类器,文中是将基于小生境和交叉选择算子的粒子群算法(NCSPSO)引入变异算子和族外竞争机制加以改进后与人工鱼群算法(AFSA)混合,提出了一种改进的NCSPSO-AFSA混合算法优化支持向量机参数,并分别与AFSA算法,粒子群算法(PSO),NCSPSO算法在图像分割准确率、参数寻优时间、图像分割时间等方面进行对比和分析,实验表明文中算法能够更好地获得适用于纹理图像分割的SVM参数,在缩短图像分割时间的同时提高了图像分割准确率,相比较其他算法,文中算法稳健性更好.将此方法应用于电镜及超声纹理图像分割中能较好地提取出目标区域,图像边缘部分的分类也很清晰.
- 冯哲陈云凤周宇云挺邓玉和
- 关键词：人工鱼群算法支持向量机图像分割
- 基于PSO优化SVM的纹理图像分割被引量：6
- 2014年
- 针对传统纹理图像分割方法运行时间长,分割准确率较低,提出基于粒子群优化算法(PSO)优化支持向量机(SVM)的纹理图像分割方法。首先在自适应调整惯性权重λ的控制策略中加入PSO中的当前迭代次数和种群数,改进PSO的惯性权重λ的性能;接着运用PSO寻找最优惩罚系数C和高斯核函数中参数γ,然后运用SVM方法对训练样本综合训练建立最佳分类模型,并对纹理图像分割测试。结果表明:对比传统方法,该方法不仅缩短运行时间,分割准确率也得到了提高。同时,对比传统惯性权重对分割结果的影响,改进后的方法使得平均收敛代数减少,寻优时间缩短。
- 陈云凤云挺周宇邓玉和王娴
- 关键词：图像分割粒子群算法支持向量机
- 基于多种优化SVM的林木冠层图像分割被引量：3
- 2015年
- 针对林木冠层图像,采用多种优化支持向量机(SVM)进行图像分割,提取树干分割图。采用模拟退火法(SA)、差分进化法算法(DE)、人工蜂群算法(ABC)等寻找最优惩罚系数(C)和高斯核函数中参数,然后运用SVM方法对训练样本综合训练建立最佳分类模型,并对林木冠层图像分割测试。结果表明:SA-SVM,DE-SVM,ABCSVM等3种方法对樟树、马褂木、杨树的林木冠层图像做树干图像分割,SA-SVM的分割效果最佳。
- 刘俊焱陈云凤云挺周宇薛联凤
- 关键词：模拟退火差分进化人工蜂群
- 基于改进的NCSPSO优化SVM的木材缺陷图像分割被引量：4
- 2014年
- 针对木材缺陷图像,采用基于小生境和交叉算子的粒子群算法(NCSPSO)优化支持向量机(SVM)进行图像分割,提取木材缺陷分割图。主要对NCSPSO算法进行改进,寻找最优惩罚系数C和高斯核函数中的参数,然后采用SVM方法对训练样本进行综合训练,以建立最佳分类模型,并对木材缺陷图像分割测试。与模拟退火法(SA)及原NCSPSO算法进行对比实验,从而验证改进NCSPSO算法的优越性。
- 刘俊焱尹婷婷陈云凤周宇
- 关键词：图像分割木材缺陷
- 基于改进的NCSPSO-AFSA对SVM参数的优化及其应用
- 本文将基于小生境和交叉选择算子的粒子群算法(NCSPSO)改进后与人工鱼群算法(AFSA)混合,提出了一种改进的NCSPSO-AFSA 混合算法优化支持向量机(SVM)参数。并与AFSA 算法,粒子群算法(PSO),NC...
- 冯哲陈云凤周宇云挺邓玉和
- 基于多类图像的SVM分类优化方法比较研究
- 支持向量机(Support Vector Machine SVM)被广泛用于纹理图像的分割，而其参数选择的恰当与否会对数据的训练和收敛性带来很大的影响。目前对于SVM参数的优化方法主要是群智能算法，针对每类优化算法的泛化...
- 陈云凤
- 关键词：支持向量机粒子群算法人工鱼群算法纹理图像
- 文献传递
