共生演算法
Ⅰ 圖像的特徵提取都有哪些演算法
圖像的特徵可分為兩個層次，包括低層視覺特徵，和高級語義特徵。低層視覺特徵包括紋理、顏色、形狀三方面。語義特徵是事物與事物之間的關系。紋理特徵提取演算法有：灰度共生矩陣法，傅里葉功率譜法顏色特徵提取演算法有：直方圖法，累計直方圖法，顏色聚類法等等。形狀特徵提取演算法有：空間矩特徵等等高級語義提取：語義網路、數理邏輯、框架等方法
Ⅱ 用java實現基於紋理的圖像檢索（灰度共生矩陣）
%**************************************************************************
% 圖像檢索——紋理特徵
%基於共生矩陣紋理特徵提取，d=1,θ=0°,45°,90°,135°共四個矩陣
%所用圖像灰度級均為256
%參考《基於顏色空間和紋理特徵的圖像檢索》
%function : T=Texture(Image)
%Image : 輸入圖像數據
%T : 返回八維紋理特徵行向量
%**************************************************************************
% function T = Texture(Image)
Gray = imread('d:\result5.bmp');
[M,N,O] = size(Gray);
M = 128;
N = 128;
%--------------------------------------------------------------------------
%1.將各顏色分量轉化為灰度
%--------------------------------------------------------------------------
% Gray = double(0.3*Image(:,:,1)+0.59*Image(:,:,2)+0.11*Image(:,:,3));
%--------------------------------------------------------------------------
%2.為了減少計算量，對原始圖像灰度級壓縮，將Gray量化成16級
%--------------------------------------------------------------------------
for i = 1:M
for j = 1:N
for n = 1:256/16
if (n-1)*16<=Gray(i,j)&Gray(i,j)<=(n-1)*16+15
Gray(i,j) = n-1;
end
end
end
end
%--------------------------------------------------------------------------
%3.計算四個共生矩陣P,取距離為1，角度分別為0,45,90,135
%--------------------------------------------------------------------------
P = zeros(16,16,4);
for m = 1:16
for n = 1:16
for i = 1:M
for j = 1:N
if j<N&Gray(i,j)==m-1&Gray(i,j+1)==n-1
P(m,n,1) = P(m,n,1)+1;
P(n,m,1) = P(m,n,1);
end
if i>1&j<N&Gray(i,j)==m-1&Gray(i-1,j+1)==n-1
P(m,n,2) = P(m,n,2)+1;
P(n,m,2) = P(m,n,2);
end
if i<M&Gray(i,j)==m-1&Gray(i+1,j)==n-1
P(m,n,3) = P(m,n,3)+1;
P(n,m,3) = P(m,n,3);
end
if i<M&j<N&Gray(i,j)==m-1&Gray(i+1,j+1)==n-1
P(m,n,4) = P(m,n,4)+1;
P(n,m,4) = P(m,n,4);
end
end
end
if m==n
P(m,n,:) = P(m,n,:)*2;
end
end
end
%%---------------------------------------------------------
% 對共生矩陣歸一化
%%---------------------------------------------------------
for n = 1:4
P(:,:,n) = P(:,:,n)/sum(sum(P(:,:,n)));
end
%--------------------------------------------------------------------------
%4.對共生矩陣計算能量、熵、慣性矩、相關4個紋理參數
%--------------------------------------------------------------------------
H = zeros(1,4);
I = H;
Ux = H; Uy = H;
deltaX= H; deltaY = H;
C =H;
for n = 1:4
E(n) = sum(sum(P(:,:,n).^2)); %%能量
for i = 1:16
for j = 1:16
if P(i,j,n)~=0
H(n) = -P(i,j,n)*log(P(i,j,n))+H(n); %%熵
end
I(n) = (i-j)^2*P(i,j,n)+I(n); %%慣性矩
Ux(n) = i*P(i,j,n)+Ux(n); %相關性中μx
Uy(n) = j*P(i,j,n)+Uy(n); %相關性中μy
end
end
end
for n = 1:4
for i = 1:16
for j = 1:16
deltaX(n) = (i-Ux(n))^2*P(i,j,n)+deltaX(n); %相關性中σx
deltaY(n) = (j-Uy(n))^2*P(i,j,n)+deltaY(n); %相關性中σy
C(n) = i*j*P(i,j,n)+C(n);
end
end
C(n) = (C(n)-Ux(n)*Uy(n))/deltaX(n)/deltaY(n); %相關性
end
%--------------------------------------------------------------------------
%求能量、熵、慣性矩、相關的均值和標准差作為最終8維紋理特徵
%--------------------------------------------------------------------------
a1 = mean(E)
b1 = sqrt(cov(E))
a2 = mean(H)
b2 = sqrt(cov(H))
a3 = mean(I)
b3 = sqrt(cov(I))
a4 = mean(C)
b4 = sqrt(cov(C))
sprintf('0,45,90,135方向上的能量依次為： %f, %f, %f, %f',E(1),E(2),E(3),E(4)) % 輸出數據;
sprintf('0,45,90,135方向上的熵依次為： %f, %f, %f, %f',H(1),H(2),H(3),H(4)) % 輸出數據;
sprintf('0,45,90,135方向上的慣性矩依次為： %f, %f, %f, %f',I(1),I(2),I(3),I(4)) % 輸出數據;
sprintf('0,45,90,135方向上的相關性依次為： %f, %f, %f, %f',C(1),C(2),C(3),C(4)) % 輸出數據;
這是我最近用過的求灰度共生矩陣及其四個參數的程序，你可以參考一下。
Ⅲ 灰度梯度共生矩陣怎麼選取窗口大小
針對基於灰度―梯度共生矩陣模型的最大熵閾值分割演算法抗雜訊差的缺點,引入了均值―中值―梯度共生矩陣模型,並提出了基於該模型的最大熵閾值分割演算法。為了有效地節省計算時間與存儲空間,進而導出了該方法的快速遞推公式。實驗結果表明,該演算法優於灰度―梯度模型分割方法,並能抑制高斯雜訊、椒鹽雜訊以及其混合雜訊對分割結果的影響,提高了分割的魯棒性。
Ⅳ 問道手游共生成長計算方法
咨詢記錄 · 回答於2021-10-15
Ⅳ 鄭浩然的論文論著
1．鄭浩然, 曹先彬，張軍，王煦法 基於生殖策略的多模式進化演算法。小型微型計算機系統 2000，21: 466-469
2．鄭浩然，曹先彬，王煦法，「多模式共生進化演算法」, 計算機工程，Vol.26.No.9,2000
3．鄭浩然，曹先彬，王煦法,「基於食物鏈的生態進化演算法」,計算機工程，Vol.26.No.4,2000
4． 鄭浩然，王煦法，「基於掩碼技術的共生進化演算法」，計算機工程, Vol.28.No.4.2002
5．鄭浩然, 何勁松，王煦法，「基於生命期引導的進化控制」,計算機工程與應用,Vol.38.No.2,2002
6．鄭浩然，何勁松，王煦法 The Multi-pattern Symbiotic Evolutionary Algorithms Based on Creature』s Multi-Strategy. 小型微型計算機系統 2003，24: 945-950
7．陳雙平，鄭浩然，劉海燕，王煦法，三肽和四肽構象空間的可視化方法，生物物理學報， 2004,20(2):132-136.
8．陳雙平,鄭浩然,黃國銳,王煦法.可視化分析四肽構象空間中的模式,中國科學技術大學學報,2005,35(5): 665-673.
9．陳雙平，鄭浩然，寧岩,王煦法.一種新的蛋白質結構編碼方法及其應用，生物物理學報， 2005,21(2): 114-120.
10．Qing Tong, Haoran Zheng, Xufa Wang. A Gene-Prediction Algorithm Based on the Statistical Combination and the Classification in Terms of Gene Characteristics. IEEE 2005 International Conference on Neural Networks and Brain.Beijing,2005:673-677.
Ⅵ python怎麼寫灰度共生演算法
一、理論部分
二、代碼(摸索著寫的，網路沒有python的最後自己寫的，獻丑了)
A=pd.DataFrame(A,columns=[1,2,3,4,5])#書號，所有數據在一個標簽頁里
T=[]
for Y in range(2001,2006):
M = []#最終變數的矩陣
N = []#預測變數的矩陣
B=pd.read_excel('9門總滿意度.xlsx',sheetname=str(Y))#滿意度
K = np.arange(len(A)*(len(B.columns)+1),dtype='float32').reshape(len(A), len(B.columns)+1)#創建相關變數與目標變數的共同矩陣，相關變數元素加1
M=list(A.ix[:,Y-2000])#獲取當年的平均書號
K[:,0]=M#將最終變數送入判斷矩陣第一列
for x in range(0,len(A)):#將判斷變數送入判斷矩陣
N=list(B.ix[x])
K[x,1:]=N
K=K.T #轉置，下面是灰色關聯演算法的具體步驟
for i in range(0,len(N)+1):
K[i,:]=K[i,:]/K[i][0]
K=K.T
S=np.arange(len(N)*len(M),dtype='float32').reshape(len(M),len(N))
for i in range(0,len(N)):
S[:,i]=abs(K[:,i+1]-K[:,0])
Q=[]
for i in range(0,len(N)):
Q.append(S[:,i].max())
R = S
maxone=max(Q)
R[:,:]=maxone*0.5/(S[:,:]+maxone*0.5)
R=R.T
for i in range(0,len(N)):
T.append(R[i].mean())
print(T)
T=pd.DataFrame(T)
#T.to_excel(str(Y)+'.xls')
Ⅶ 特徵提取演算法有哪些
圖像的特徵可分為兩個層次，包括低層視覺特徵，和高級語義特徵。低層視覺特徵包括紋理、顏色、形狀三方面。語義特徵是事物與事物之間的關系。紋理特徵提取演算法有：灰度共生矩陣法，傅里葉功率譜法顏色特徵提取演算法有：直方圖法，累計直方圖法，顏色聚類法等等。形狀特徵提取演算法有：空間矩特徵等等高級語義提取：語義網路、數理邏輯、框架等方法
Ⅷ 問道手游共生成長計算方法
問道手游中，寵物共生，其實是可以與鬼寵進行隨意共生搭配，只是法寵共生會提升更多的傷害。
每隻鬼寵都可與一隻陽間寵物共生，共生後雙方成長都會增加;當道友返回陽間時，共生加成仍然有效。
鬼寵共生規則：
1.鬼寵與陽間寵物共生後，雙方成長都會增加。
2.陽間寵物增加的成長與共生鬼寵的類型、培元階級有關。
3.鬼寵增加的成長與共生陽間寵物的強化、點化、羽化、幻化培養進度有關。
背景設定
鴻蒙開化之初，中州大陸昆侖之顛的鴻鈞上人創立道教，並收徒三人，各授以道門絕技，三徒皆修成混元大羅金仙萬劫不壞之體，分別發展出道教的人道、闡教和截教三個分支。此三徒正是人道教主太上老君、闡教教主元始天尊和截教的通天教主。
三教主秉承師父鴻鈞上人教誨，廣收門徒將道教流傳於世。只因入道門中即可修仙，使人跳出三界之外，不在五行之中，免除生死輪回之苦，使得入道修行之人多不勝數。但修仙之道並非苦心修煉便可達成，修行路上，均要經歷三百年一小劫，一千五百年一大劫的劫數。
修行之人均無法避開劫數，只能根據自身道行的深淺去經歷劫數。值商周兩朝交替之時，恰逢修仙一千五百年仙劫，於是三教主共議封神榜，以觀眾仙根行淺深。