Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Automatyka / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie

1 2009

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: kwantowe algorytmy genetyczne

Sortuj według:

Ogranicz wyniki do:

Zastosowanie kwantowych algorytmów genetycznych do selekcji cech

Jopek Ł., Nowotniak R., Postolski M., Babout L., Janaszewski M.

Automatyka / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie

2009

T. 13, z. 3/2

1219-1231

Przedmiotem artykułu jest zagadnienie selekcji cech, używanych przez klasyfikator minimalnoodległościowy k-NN w procesie segmentacji obrazów. Selekcja cech została potraktowana jako problem dwukryterialnej optymalizacji kombinatorycznej, której celem jest znalezienie takiego podzbioru cech punktów obrazu, który pozwala na zadowalającą segmentację w możliwie krótkim czasie. Zaproponowano funkcję oceny jakości podzbiorów cech, uwzględniającą dwa kryteria: czas potrzebny na obliczenie wartości cech oraz uzyskiwaną jakość segmentacji. W artykule porównano trzy populacyjne metody heurystyczne: klasyczny algorytm genetyczny oraz jego dwie modyfikacje, czerpiące inspirację z systemów informatyki kwantowej: QiGA (Quantum-Inspired Genetic Algorithm) oraz GAQPR (Genetic Algorithm with Quantum Probability Representation). W artykule przedstawiono wyniki otrzymane dla segmentacji tekstury sztucznej oraz tekstury tomograficznej.

In the article a feature selection problem for k-NN classifier in image segmentation has been analyzed. Feature selection has been considered as a two criteria combinatorial optimization problem. An objective of optimization process was to find a feature subset of image points, allowing good quality of segmentation in satisfactory time. A fitness function for feature subsets has been proposed, taking into account time needed for calculation of feature values and quality of segmentation. Three population-based heuristic methods of optimization have been compared: simple genetic algorithm and its two modifications, inspired by principles of quantum computing: QiGA (Quantum-Inspired Genetic Algorithm) and GAQPR (Genetic Algorithm with Quantum Probability Representation). Results of experiments with artificial and tomography textures have been presented.