共生算法
Ⅰ 图像的特征提取都有哪些算法
图像的特征可分为两个层次，包括低层视觉特征，和高级语义特征。低层视觉特征包括纹理、颜色、形状三方面。语义特征是事物与事物之间的关系。纹理特征提取算法有：灰度共生矩阵法，傅里叶功率谱法颜色特征提取算法有：直方图法，累计直方图法，颜色聚类法等等。形状特征提取算法有：空间矩特征等等高级语义提取：语义网络、数理逻辑、框架等方法
Ⅱ 用java实现基于纹理的图像检索（灰度共生矩阵）
%**************************************************************************
% 图像检索——纹理特征
%基于共生矩阵纹理特征提取，d=1,θ=0°,45°,90°,135°共四个矩阵
%所用图像灰度级均为256
%参考《基于颜色空间和纹理特征的图像检索》
%function : T=Texture(Image)
%Image : 输入图像数据
%T : 返回八维纹理特征行向量
%**************************************************************************
% function T = Texture(Image)
Gray = imread('d:\result5.bmp');
[M,N,O] = size(Gray);
M = 128;
N = 128;
%--------------------------------------------------------------------------
%1.将各颜色分量转化为灰度
%--------------------------------------------------------------------------
% Gray = double(0.3*Image(:,:,1)+0.59*Image(:,:,2)+0.11*Image(:,:,3));
%--------------------------------------------------------------------------
%2.为了减少计算量，对原始图像灰度级压缩，将Gray量化成16级
%--------------------------------------------------------------------------
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.计算四个共生矩阵P,取距离为1，角度分别为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
%%---------------------------------------------------------
% 对共生矩阵归一化
%%---------------------------------------------------------
for n = 1:4
P(:,:,n) = P(:,:,n)/sum(sum(P(:,:,n)));
end
%--------------------------------------------------------------------------
%4.对共生矩阵计算能量、熵、惯性矩、相关4个纹理参数
%--------------------------------------------------------------------------
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); %%惯性矩
Ux(n) = i*P(i,j,n)+Ux(n); %相关性中μx
Uy(n) = j*P(i,j,n)+Uy(n); %相关性中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); %相关性中σx
deltaY(n) = (j-Uy(n))^2*P(i,j,n)+deltaY(n); %相关性中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); %相关性
end
%--------------------------------------------------------------------------
%求能量、熵、惯性矩、相关的均值和标准差作为最终8维纹理特征
%--------------------------------------------------------------------------
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方向上的能量依次为： %f, %f, %f, %f',E(1),E(2),E(3),E(4)) % 输出数据;
sprintf('0,45,90,135方向上的熵依次为： %f, %f, %f, %f',H(1),H(2),H(3),H(4)) % 输出数据;
sprintf('0,45,90,135方向上的惯性矩依次为： %f, %f, %f, %f',I(1),I(2),I(3),I(4)) % 输出数据;
sprintf('0,45,90,135方向上的相关性依次为： %f, %f, %f, %f',C(1),C(2),C(3),C(4)) % 输出数据;
这是我最近用过的求灰度共生矩阵及其四个参数的程序，你可以参考一下。
Ⅲ 灰度梯度共生矩阵怎么选取窗口大小
针对基于灰度―梯度共生矩阵模型的最大熵阈值分割算法抗噪声差的缺点,引入了均值―中值―梯度共生矩阵模型,并提出了基于该模型的最大熵阈值分割算法。为了有效地节省计算时间与存储空间,进而导出了该方法的快速递推公式。实验结果表明,该算法优于灰度―梯度模型分割方法,并能抑制高斯噪声、椒盐噪声以及其混合噪声对分割结果的影响,提高了分割的鲁棒性。
Ⅳ 问道手游共生成长计算方法
咨询记录 · 回答于2021-10-15
Ⅳ 郑浩然的论文论着
1．郑浩然, 曹先彬，张军，王煦法 基于生殖策略的多模式进化算法。小型微型计算机系统 2000，21: 466-469
2．郑浩然，曹先彬，王煦法，“多模式共生进化算法”, 计算机工程，Vol.26.No.9,2000
3．郑浩然，曹先彬，王煦法,“基于食物链的生态进化算法”,计算机工程，Vol.26.No.4,2000
4． 郑浩然，王煦法，“基于掩码技术的共生进化算法”，计算机工程, Vol.28.No.4.2002
5．郑浩然, 何劲松，王煦法，“基于生命期引导的进化控制”,计算机工程与应用,Vol.38.No.2,2002
6．郑浩然，何劲松，王煦法 The Multi-pattern Symbiotic Evolutionary Algorithms Based on Creature’s Multi-Strategy. 小型微型计算机系统 2003，24: 945-950
7．陈双平，郑浩然，刘海燕，王煦法，三肽和四肽构象空间的可视化方法，生物物理学报， 2004,20(2):132-136.
8．陈双平,郑浩然,黄国锐,王煦法.可视化分析四肽构象空间中的模式,中国科学技术大学学报,2005,35(5): 665-673.
9．陈双平，郑浩然，宁岩,王煦法.一种新的蛋白质结构编码方法及其应用，生物物理学报， 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怎么写灰度共生算法
一、理论部分
二、代码(摸索着写的，网络没有python的最后自己写的，献丑了)
A=pd.DataFrame(A,columns=[1,2,3,4,5])#书号，所有数据在一个标签页里
T=[]
for Y in range(2001,2006):
M = []#最终变量的矩阵
N = []#预测变量的矩阵
B=pd.read_excel('9门总满意度.xlsx',sheetname=str(Y))#满意度
K = np.arange(len(A)*(len(B.columns)+1),dtype='float32').reshape(len(A), len(B.columns)+1)#创建相关变量与目标变量的共同矩阵，相关变量元素加1
M=list(A.ix[:,Y-2000])#获取当年的平均书号
K[:,0]=M#将最终变量送入判断矩阵第一列
for x in range(0,len(A)):#将判断变量送入判断矩阵
N=list(B.ix[x])
K[x,1:]=N
K=K.T #转置，下面是灰色关联算法的具体步骤
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 特征提取算法有哪些
图像的特征可分为两个层次，包括低层视觉特征，和高级语义特征。低层视觉特征包括纹理、颜色、形状三方面。语义特征是事物与事物之间的关系。纹理特征提取算法有：灰度共生矩阵法，傅里叶功率谱法颜色特征提取算法有：直方图法，累计直方图法，颜色聚类法等等。形状特征提取算法有：空间矩特征等等高级语义提取：语义网络、数理逻辑、框架等方法
Ⅷ 问道手游共生成长计算方法
问道手游中，宠物共生，其实是可以与鬼宠进行随意共生搭配，只是法宠共生会提升更多的伤害。
每只鬼宠都可与一只阳间宠物共生，共生后双方成长都会增加;当道友返回阳间时，共生加成仍然有效。
鬼宠共生规则：
1.鬼宠与阳间宠物共生后，双方成长都会增加。
2.阳间宠物增加的成长与共生鬼宠的类型、培元阶级有关。
3.鬼宠增加的成长与共生阳间宠物的强化、点化、羽化、幻化培养进度有关。
背景设定
鸿蒙开化之初，中州大陆昆仑之颠的鸿钧上人创立道教，并收徒三人，各授以道门绝技，三徒皆修成混元大罗金仙万劫不坏之体，分别发展出道教的人道、阐教和截教三个分支。此三徒正是人道教主太上老君、阐教教主元始天尊和截教的通天教主。
三教主秉承师父鸿钧上人教诲，广收门徒将道教流传于世。只因入道门中即可修仙，使人跳出三界之外，不在五行之中，免除生死轮回之苦，使得入道修行之人多不胜数。但修仙之道并非苦心修炼便可达成，修行路上，均要经历三百年一小劫，一千五百年一大劫的劫数。
修行之人均无法避开劫数，只能根据自身道行的深浅去经历劫数。值商周两朝交替之时，恰逢修仙一千五百年仙劫，于是三教主共议封神榜，以观众仙根行浅深。