论文部分内容阅读
细胞自动机技术的研究开展时间不长,但取得了不少的研究成果,并越来越受到智能信息处理、医学、图像处理、机器学习等更多应用领域的重视。AdaBoost算法的发展使得其在识别领域显示了很大的优势,但它可能导致严重的权重扭曲问题。本文依据AdaBoost算法的研究现状,提出了一种基于细胞自动机的改进AdaBoost算法。
本文首先设计了基于改进快速分水岭变换的图像分割方法,改善了传统分水岭变换的过分割问题,使图像分割效果较传统方法更加符合视觉特性。随后,在分析了传统的AdaBoost算法以及细胞自动机技术的基础上,提出了运用细胞自动机改进AdaBoost算法的处理模型。在该方法系统中,首先对样本的特征参数提取技术进行了讨论,并对系统所用样本集进行了预处理;其次对作为AdaBoost技术的基分类算法—BP神经网络作了深入研究,并成功地构造出满足系统要求的神经网络分类器;最后对基于细胞自动机的改进AdaBoost算法的设计作了详细的描述,并用公共数据集对该改进算法得到的多分类器集成识别率与传统AdaBoost方法进行了数据对比,进一步验证了系统的可靠性。