原文服务方: 计算机应用研究       
摘要:
由于基本蚁群算法中信息素挥发系数为常数,可能会导致算法过早收敛或停滞,为此,采用自适应更新机制,使其收敛性和稳定性有了一定的提高.将该动态蚁群算法应用于红外图像的分割,并以小窗口为对象实施算法.通过仿真实验,验证了该算法大大地减少了计算量,具有较高的执行效率,并得到了良好的分割效果.
推荐文章
蜂群—蚁群自适应优化算法
优化问题
蚁群优化
人工蜂群算法
蚁群参数自适应调整的优化设计
蚁群优化算法
模糊控制器
信息素因子分析
自适应参数调整
一种求解TSP的自适应蚁群优化算法
蚁群算法
旅行商问题(TSP)
组合优化
基于自适应蚁群遗传混合算法的 PID 参数优化
PID 控制器
交叉因子
蚁群遗传混合算法
自适应
信息素
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 自适应蚁群算法优化红外图像分割
来源期刊 计算机应用研究 学科
关键词 图像分割 红外图像 二维最大熵分割 蚁群算法
年,卷(期) 2009,(11) 所属期刊栏目 图形图像技术
研究方向 页码范围 4375-4377,4381
页数 4页 分类号 TP391.41
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2009.11.109
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 赵娜 山东师范大学管理与经济学院 21 34 3.0 5.0
2 刘江 4 18 2.0 4.0
3 王希常 1 7 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (31)
共引文献  (365)
参考文献  (10)
节点文献
引证文献  (7)
同被引文献  (27)
二级引证文献  (24)
1981(1)
  • 参考文献(0)
  • 二级参考文献(1)
1985(2)
  • 参考文献(1)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(3)
  • 参考文献(1)
  • 二级参考文献(2)
1998(3)
  • 参考文献(1)
  • 二级参考文献(2)
1999(5)
  • 参考文献(1)
  • 二级参考文献(4)
2000(6)
  • 参考文献(1)
  • 二级参考文献(5)
2002(6)
  • 参考文献(2)
  • 二级参考文献(4)
2003(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(2)
  • 参考文献(2)
  • 二级参考文献(0)
2009(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(3)
  • 引证文献(3)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(4)
  • 引证文献(1)
  • 二级引证文献(3)
2015(7)
  • 引证文献(1)
  • 二级引证文献(6)
2016(7)
  • 引证文献(0)
  • 二级引证文献(7)
2017(3)
  • 引证文献(0)
  • 二级引证文献(3)
2018(4)
  • 引证文献(0)
  • 二级引证文献(4)
2019(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
图像分割
红外图像
二维最大熵分割
蚁群算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
论文1v1指导