[发明专利]基于密母算法的图形检索方法

摘要

本发明公开一种基于密母算法的图形检索方法，涉及基于形状的图形检索，通过设置参数；产生初始种群；计算抗体亲和度；克隆操作；以概率进行克隆变异；克隆选择；重组操作；对抗体使用基于模拟退火算法的局部搜索算子优化；对优秀抗体，使用局部搜索算子1和局部搜索算子2优化；循环操作，实现图像的快速、有效检索。本发明使用克隆选择算法和局部搜索算子结合进行图像检索，具有强全局搜索能力，收敛速度快，图像检索效率高。局部搜索算子的强局部搜索能力，进一步提高克隆选择算法的检索结果，图像检索结果准确率提高。基于类标的编码方式，克服了确定类别数难的缺陷。由于本发明的高效率和准确率高的优点，可用于网络图片的检索和分类。

主权项

1.一种基于密母算法的图形检索方法，其特征在于：包括如下步骤：步骤一：人工设定参数：包括有：程序运行最大迭代次数t_max、检索的图形个数n、变异概率p_m∈[0，1]、最大类别数k_max、抗体个数S、抗体复制系数N_c、模拟退火算法的初始温度T₀、退火系数d，定义抗体A的亲和度值其中α为常数，Ncluster为抗体A解码所代表的类别C的个数，dist(C_i)为抗体A解码所代表的类C_i的类内图形之间的相似度差值总和，定义为：其中d(S_k，S_h)是类C_i内图形S_k与S_h之间的相似度差值，类C_i内的图形数目为n_i；设置初始运行迭代次数t＝0；步骤二：生成初始种群：程序随机产生S个抗体作为初始抗体种群A(0)，每个抗体采用基于类标的编码方式，图形类标是抗体上的一位，抗体的长度为图形的个数n，label(i)就是每个抗体的第i位构成，抗体A_l是由n个图形的类标编码组成，A_l＝{label(1)，label(2)，...，label(n)}，label∈{1，2，...，k_max}，其中k_max是类别的最大值；步骤三：将S个抗体进行解码，得到每个抗体所对应的聚类类别数Ncluster及每个类C_i的类内图形之间的相似度差值总和dist(C_i)，按照亲和度值的定义，计算得到抗体种群A(t)的亲和度值集合aff(A(t))；步骤四：克隆：对当前的第t代父本种群A(t)中所有的抗体进行克隆，得到种群A′(t)；步骤五：克隆变异：对种群A′(t)中的抗体以变异概率p_m进行变异操作，得到种群A″(t)；步骤六：克隆选择：将当前种群A″(t)中各个抗体解码，按照亲和度定义计算得到A″(t)的亲和度集合aff(A″(t))；选择亲和度较小的抗体作为下一代的种群A(t+1)，选择过程是：在种群A″(t)中，若存在抗体b，b是抗体a_i(a_i∈A(t))变异后的抗体，并且满足aff(b)＜aff(a_i)，a_i∈A(t)，则抗体b进入下一代的种群A(t+1)；若aff(b)≥aff(a_i)，a_i∈A(t)，则抗体b将以一定概率进入下一代的种群A(t+1)；步骤七：重组操作：在种群A(t+1)，选择两个不同的抗体parent1和parent2，进行重组操作，得到抗体parent1′和parent2′；步骤八：对重组后的抗体parent1′和parent2′，使用基于模拟退火算法的局部搜索算子优化；步骤九：计算目前所有抗体的亲和度值，按照由小到进行排序，选取前S/3个抗体使用局部搜索算子1优化抗体；步骤十：计算目前所有抗体的亲和度，选取最优抗体A_best，使用局部搜索算子2优化A_best；步骤十一：更新迭代次数，t＝t+1；步骤十二：循环过程中，判断是否能够满足迭代终止条件，当亲和度在10代内不变化或是达到最大的迭代次数时，即t＞t_max，则终止迭代，终止迭代后将A_best解码得到最优图形检索结果输出；否则返回步骤三，继续迭代。