智能化的遥感影像分类问题在特征选择、分割与分类优化三个方面都面临挑战，本书从提高智能优化算法的性能入手，在系统分析智能优化算法与影像处理问题映射关系的基础上，提出了一系列新型遥感影像智能分割分类方法。全书主要介绍了万有引力搜索算法及其改进方法、生物地理学优化算法及其改进方法、基于引力搜索算法的高分辨率遥感影像特征选择与多阈值分割、基于引力优化神经网络的高光谱遥感影像分类，以及基于差分进化算法和多尺度核支持向量机的高分辨率遥感影像分类等内容。
样章试读
目录
- 目录
前言
第1章 绪论 1
1.1 最优化问题 1
1.2 智能优化算法概述 2
1.2.1 粒子群优化算法 4
1.2.2 遗传算法 4
1.2.3 差分进化算法 6
1.2.4 模拟退火算法 8
1.2.5 化学反应优化算法 10
1.3 遥感影像智能处理方法 12
1.3.1 特征优化 12
1.3.2 影像分割 13
1.3.3 影像分类 14
1.4 小结 16
第2章 万有引力搜索算法 17
2.1 引力搜索算法 17
2.1.1 算法原理与流程 17
2.1.2 算法性能验证 20
2.2 引力搜索算法研究进展 23
2.2.1 GSA的改进策略 23
2.2.2 GSA应用现状 25
2.3 基于斥力的GSA改进算法 26
2.3.1 算法原理 27
2.3.2 算法流程 29
2.3.3 算法的性能验证 30
2.4 混合PSOGSA算法 33
2.4.1 算法原理 34
2.4.2 算法流程 34
2.4.3 算法的性能验证 35
2.5 基于参数调节的GSA改进算法 36
2.5.1 算法改进策略 36
2.5.2 算法流程 38
2.5.3 算法的性能验证 39
2.6 小结 40
第3章 生物地理学优化算法 41
3.1 基本生物地理学优化算法 41
3.1.1 算法的基本思想 41
3.1.2 算法的模型 42
3.1.3 算法的流程 43
3.1.4 算法的性能验证 44
3.2 生物地理学优化算法的研究进展 46
3.2.1 生物地理学优化算法的理论分析 46
3.2.2 生物地理学优化算法的改进 48
3.2.3 生物地理学优化算法的应用 49
3.3 引入新策略的BBO改进算法 49
3.3.1 算法改进策略 50
3.3.2 算法的流程 52
3.3.3 算法的性能验证 53
3.4 混合BBO优化算法 55
3.4.1 算法改进策略 56
3.4.2 算法的流程 57
3.4.3 算法的性能验证 57
3.5 基于参数调节的BBO 改进算法 59
3.5.1 算法改进策略 60
3.5.2 算法的性能验证 62
3.6 基于拓扑结构的BBO改进算法 65
3.6.1 算法改进策略 66
3.6.2 算法的流程 68
3.6.3 算法的性能验证 68
3.7 小结 71
第4章 基于稳定性约束α动态调节的GSA算法 72
4.1 算法原理 72
4.2 实验与结果分析 74
4.2.1 实验设置 74
4.2.2 实验结果分析 75
4.3 小结 79
第5章 基于邻域引力学习的生物地理学优化算法 80
5.1 算法原理 80
5.1.1 NFBBO迁移策略 80
5.1.2 自适应的高斯变异机制 81
5.2 实验与结果分析 82
5.2.1 参数设置 82
5.2.2 实验结果及分析 83
5.3 小结 87
第6章 基于遗传算法的引力搜索算法 88
6.1 算法原理 88
6.2 实验与结果分析 89
6.2.1 测试函数 89
6.2.2 实验与结果分析 90
6.3 小结 94
第7章 基于动态邻域学习的引力搜索算法 95
7.1 算法原理 95
7.1.1 局部全连接邻域结构 96
7.1.2 动态邻域学习策略 97
7.1.3 基于进化状态的动态局部邻域构建与gbest变异 98
7.2 实验与结果分析 102
7.2.1 实验设置 102
7.2.2 实验结果分析 102
7.3 小结 108
第8章 基于GSA算法的高分辨率遥感影像特征选择 109
8.1 光谱与纹理特征提取 109
8.1.1 光谱特征提取 109
8.1.2 纹理特征提取 110
8.2 基于DNLGSA的特征选择 111
8.3 实验结果与分析 114
8.3.1 实验数据与参数设置 114
8.3.2 备选特征提取 117
8.3.3 特征选择与分类结果分析 117
8.4 小结 120
第9章 基于GSA算法的高分辨率遥感影像多阈值分割 121
vi 智能优化算法与遥感影像分类
9.1 常用的阈值分割准则 121
9.1.1 Kapur’s熵分割准则 121
9.1.2 Otsu分割准则 122
9.2 基于DNLGSA的高分辨率遥感影像多阈值分割 123
9.3 实验结果与分析 124
9.3.1 实验数据 125
9.3.2 实验设置 126
9.3.3 精度评价指标 126
9.3.4 多阈值分割结果 127
9.4 小结 129
第10章 基于引力优化神经网络的高光谱遥感影像分类 130
10.1 人工神经网络 130
10.1.1 人工神经网络概述 130
10.1.2 BP神经网络 131
10.2 基于SCAA的神经网络参数优化 132
10.3 高光谱遥感影像分类 133
10.4 影像分割与分类结果的融合 136
10.5 小结 138
第11章 基于差分进化算法和多尺度核SVM的高分辨率遥感影像分类 139
11.1 多核SVM学习方法 139
11.2 多尺度核学习方法 140
11.2.1 多尺度核序列学习方法 140
11.2.2 基于智能优化算法的多尺度核学习方法 141
11.3 基于动态差分进化算法的多尺度核参数优化 141
11.4 高分辨率遥感影像分类 143
11.5 小结 146
参考文献 147
京公网安备 11010102004214号