改进遗传算法在图像挖掘中的应用

doi:10.3778/j.issn.1002-8331.2009.03.010

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (3): 38-41.DOI: 10.3778/j.issn.1002-8331.2009.03.010

改进遗传算法在图像挖掘中的应用

雷亮^1,2,汪同庆¹,杨波²

1.重庆大学光电技术及系统教育部重点实验室，重庆 400030
2.重庆科技学院电子信息工程学院，重庆 401331

收稿日期:2008-09-22 修回日期:2008-11-24 出版日期:2009-01-21 发布日期:2009-01-21
通讯作者: 雷亮

Research of image mining based on improved genetic algorithm

LEI Liang^1,2,WANG Tong-qing¹,YANG Bo²

1.Key Lab of Optoelectronic Technology & System Ministry of Education，Chongqing University，Chongqing 400030，China
2.School of Electronic Information Engineering，Chongqing University of Science and Technology，Chongqing 401331，China

Received:2008-09-22 Revised:2008-11-24 Online:2009-01-21 Published:2009-01-21
Contact: LEI Liang

摘要/Abstract

摘要： 图像关联规则挖掘是图像挖掘中重要研究课题。为了克服传统算法找到的关联规则数目太多，用户无法对其进行分析；种群进化陷入停滞不前，造成局部收敛等问题，引入了兴趣度这个阈值，提出了一种根据适应度值自动调整交叉概率和变异概率的新的自适应遗传算法，并成功地运用到Landsat卫星ETM数据图像，实现了图像关联规则的提取。实验结果表明，该算法在收敛快速性和稳定性等方面都有了明显改善，达到了预期效果。

关键词: 图像挖掘, 关联规则, 自适应遗传算法, 兴趣度

Abstract: Discovering image association rules is one of the most important tasks in image data mining.However，the number of discovered rules is so large，so the user cannot analyze all discovered rules.At the same time，the populations are troubled into stagnation，resulting in partial convergence.To solve those problems，the interest measure and a new adaptive genetic algorithm that bases the fitness value to adjust the crossover probability and mutation probability are concerned in the paper.Lastly，the algorithm successfully applied to mine the image association rules from Landsat satellite images.Some experiments show that the proposed new algorithm is clearly improved in convergent speed and stability and gets the expectation effect.

Key words: Image Mining（IM）, association rules, self-adaptive genetic algorithm, interest measure

雷亮^1,2,汪同庆¹,杨波². 改进遗传算法在图像挖掘中的应用[J]. 计算机工程与应用, 2009, 45(3): 38-41.

LEI Liang^1,2,WANG Tong-qing¹,YANG Bo². Research of image mining based on improved genetic algorithm[J]. Computer Engineering and Applications, 2009, 45(3): 38-41.

[1]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[2]	代江涛，韩晓龙. 考虑作业状态能耗的集装箱码头设备协调调度[J]. 计算机工程与应用, 2021, 57(19): 290-298.
[3]	张振海，张湘婷. 上下文感知的高铁信息服务推荐方法研究[J]. 计算机工程与应用, 2021, 57(12): 231-236.
[4]	邱云飞，高华聪. 混合Filter与改进自适应GA的特征选择方法[J]. 计算机工程与应用, 2021, 57(11): 95-102.
[5]	杨葛英，沈夏炯，史先进，张磊. 以概念格为背景的关联规则可视化[J]. 计算机工程与应用, 2021, 57(1): 84-91.
[6]	姜金川，王冲. 基于学习自动机和用户兴趣的PageRank算法研究[J]. 计算机工程与应用, 2020, 56(3): 80-85.
[7]	纪文璐，王海龙，苏贵斌，柳林. 基于关联规则算法的推荐方法研究综述[J]. 计算机工程与应用, 2020, 56(22): 33-41.
[8]	顾军华，苏鸣，张亚娟，张丹红. 基于位编码链表的快速频繁模式挖掘算法研究[J]. 计算机工程与应用, 2020, 56(19): 86-93.
[9]	徐力，刘云华，王启富. 自适应遗传算法在机器人路径规划的应用[J]. 计算机工程与应用, 2020, 56(18): 36-41.
[10]	刘莉萍1，章新友1，牛晓录2，郭永坤1，丁亮1. 基于Spark的并行关联规则挖掘算法研究综述[J]. 计算机工程与应用, 2019, 55(9): 1-9.
[11]	郭鹏，蔡骋. 基于聚类和关联算法的学生成绩挖掘与分析[J]. 计算机工程与应用, 2019, 55(17): 169-179.
[12]	郭世伟，孟昱煜，陈绍立. 改进的PSOGM算法在动态关联规则挖掘中的应用[J]. 计算机工程与应用, 2018, 54(8): 160-165.
[13]	夏以冲，陈秋莲，宋仁坤. 基于自适应遗传模拟退火算法的矩形件排样[J]. 计算机工程与应用, 2018, 54(22): 229-232.
[14]	赵慧茹，林民. 融合关联规则的学术论文主题学习及表示方法[J]. 计算机工程与应用, 2018, 54(20): 159-165.
[15]	韩晓龙，李上，杨全业. 基于遗传算法的战略供应链集成研究[J]. 计算机工程与应用, 2018, 54(2): 214-221.

改进遗传算法在图像挖掘中的应用

Research of image mining based on improved genetic algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics