学位论文 > 优秀研究生学位论文题录展示

基于量子协同神经网络的图像识别

作　者: 张智霞
导　师: 刘芳
学　校: 西安电子科技大学
专　业: 计算机应用技术
关键词: 量子克隆免疫协同神经网络进化
分类号: TP391.41
类　型: 硕士论文
年　份: 2010年
下　载: 49次
引　用: 0次
阅　读: 论文下载

内容摘要

协同学理论研究的要点是复杂系统宏观特性的质变。20世纪80年代末,Haken教授利用自发模式形成和模式识别之间存在很强的相似性,提出了将协同学理论运用于模式识别中,并根据序参量的演化方程,构造了自上而下的协同神经网络。本文围绕协同神经网络模型、原型向量的优化等方面进行了研究。本文的主要工作如下：(1)在拟生态和仿生思想的启发下,根据协同神经网络的学习规则,提出了量子进化规划方法用于协同神经网络图像识别的算法。该算法将量子计算的特性与进化算法的寻优能力相结合,具有优良的特性。量子染色体能够携带多个状态信息,利用随机观测的方法可以由量子染色体产生新的原型向量,这样能够更好的保持群体的多样性,克服早熟现象。算法中使用了量子更新算子,进一步提高了图像的识别效率。仿真对比实验证明了该算法的有效性。(2)基于人工免疫系统中的克隆选择理论,将量子免疫克隆方法用于协同神经网络的原型向量学习中,实现了对图像的识别。免疫克隆算法本身具有局部寻优能力强的特点,而量子交叉操作具有信息交换的优势,因此量子免疫克隆方法能够对原型向量进行优化,对图像进行识别。仿真实验结果表明,与现有的协同神经网络算法相比,该方法有效的提高了网络对图像的识别率。

全文目录

摘要  3-4
Abstract  4-7
第一章绪论  7-15
  1.1 人工神经网络的研究现状  7-9
  1.2 量子进化计算的概述  9
  1.3 人工免疫系统概述  9-11
  1.4 图像识别的研究现状  11-12
  1.5 本文的主要内容  12-15
第二章量子协同神经网络基础  15-21
  2.1 协同学理论基础  15-19
    2.1.1 协同学理论的形成  15-16
    2.1.2 协同神经网络的网络结构  16-18
    2.1.3 传统的协同神经网络学习方法  18-19
  2.2 量子计算原理  19-21
    2.2.1 量子状态叠加  19
    2.2.2 量子状态的相干  19-20
    2.2.3 量子状态的纠缠  20
    2.2.4 量子并行性  20-21
第三章基于量子进化规划协同神经网络的图像识别  21-35
  3.1 引言  21
  3.2 量子进化算法  21-25
    3.2.1 量子表示  22-23
    3.2.2 量子进化算法  23-24
    3.2.3 量子更新算子  24-25
  3.3 量子进化规划协同神经网络  25-28
    3.3.1 量子进化规划  25-27
    3.3.2 QEP协同神经网络  27-28
  3.4 基于量子进化与协同神经网络的图像识别  28-33
    3.4.1 图像的特征提取  28-30
    3.4.2 基于量子进化规划协同神经网络的图像识别  30
    3.4.3 实验结果与分析  30-33
  3.5 本章小结  33-35
第四章基于量子免疫克隆协同神经网络的图像识别  35-45
  4.1 引言  35-36
  4.2 量子免疫克隆算子的设计  36-39
    4.2.1 量子克隆算子  36-37
    4.2.2 量子交叉算子  37-38
    4.2.3 量子免疫克隆算法  38-39
  4.3 基于量子免疫克隆的协同神经网络图像识别  39-44
    4.3.1 多尺度几何分析特征提取  39-40
    4.3.2 基于量子免疫克隆协同神经网络图像识别  40-41
    4.3.3 实验结果与分析  41-44
  4.4 本章小结  44-45
第五章总结与展望  45-47
  5.1 总结  45
  5.2 展望  45-47
致谢  47-49
参考文献  49-53
研究成果  53

基于量子协同神经网络的图像识别

内容摘要

全文目录

相似论文