新專(zhuān)家講座心得體會(huì)(編輯修改稿)
2024-11-14 20:32 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 換（IFT）轉(zhuǎn)換成時(shí)空域。代數(shù)重建法就是在反投影過(guò)程中將數(shù)據(jù)平均分配回去，也正是因?yàn)椤捌骄狈峙?，反投影效果不明顯，圖像可能不清晰。因此出現(xiàn)了新的圖像重建方法FBP—濾波反投影，但是它的要求較高，要求投影數(shù)據(jù)必須完整。第二，三維顯示，也稱(chēng)立體顯示。分為兩種，分別是面繪制和體繪制。其中，體繪制又稱(chēng)直接繪制，顧名思義，它是通過(guò)計(jì)算機(jī)采集三維數(shù)據(jù)集然后對(duì)三維數(shù)據(jù)的每個(gè)像素進(jìn)行繪制。著重講了光線投射算法。計(jì)算機(jī)的存儲(chǔ)單位是字節(jié)，灰度的1像素占1字節(jié)，彩圖的1像素則至少占3字節(jié)，若色深是32位，則說(shuō)明有8位代表透明度。在光照模型中有漫反射、完全鏡面反射，而一般情況下都是非完全鏡面反射。具體過(guò)程當(dāng)時(shí)沒(méi)聽(tīng)太懂，只知道方法中用到的梯度都是通過(guò)中心差分來(lái)求的。第三，三維圖像處理。它在醫(yī)學(xué)上的應(yīng)用尤其廣泛。如由CT、MR等設(shè)備掃描得二維切片數(shù)據(jù)，然后經(jīng)過(guò)三維圖像處理可得到組織或器官的三維形狀，其實(shí)也就是重建的過(guò)程。三維重建相比于體繪制而言，硬件要求低、處理速度快，很適合應(yīng)用于醫(yī)學(xué)。圖像處理、重建需要計(jì)算機(jī)的幫助，曾老師介紹了兩個(gè)算法：Marching Squares算法和Marching Cubes算法。其中，前者的主要手段是閾值分割，目的是找出目標(biāo)，通過(guò)灰度直方圖和確定閾值得到新的二值圖。Marching Cubes算法也稱(chēng)等值面提取或移動(dòng)立方體算法。稍高深的內(nèi)容沒(méi)聽(tīng)懂，在此也不展開(kāi)敘述。老師還總結(jié)了圖像編程三層次：（1）PS，三維軟件如VG++、3D MED；（2）Matlab（自帶三維顯示）（3）C/C++是基礎(chǔ)，在此基礎(chǔ)上通過(guò)運(yùn)算平臺(tái)CUDA進(jìn)行體顯示，通過(guò)open GL進(jìn)行面顯示，通過(guò)open CV對(duì)圖像進(jìn)行二維處理。以上是六位老師講的大體內(nèi)容，由于我對(duì)胡小兵老師的智能算法較感興趣，因此聽(tīng)課之后看了老師給的一些材料，將內(nèi)容總結(jié)如下。蟻群算法（ACO）是受蟻群集體行為的啟發(fā)而提出的、基于種群的模擬進(jìn)化算法，屬于隨機(jī)搜索算法。其中一個(gè)重要名詞是“信息素”。蟻群在尋找食物或?qū)ふ一爻猜窂降男袆?dòng)中，會(huì)在它們經(jīng)過(guò)的地方留下一些“信息素”，這種物質(zhì)使后到的螞蟻?zhàn)畲罂赡艿剡x擇具有該物質(zhì)的路徑，而且后到者留下的“信息素”會(huì)對(duì)原有的“信息素”加強(qiáng)，如此循環(huán)下去，經(jīng)過(guò)螞蟻越多的路徑，在后到螞蟻的選擇中被選中的可能性就越大。該過(guò)程進(jìn)行下去一直到所有螞蟻都走最短路徑為止。蟻群算法的主要優(yōu)點(diǎn)是采用了正反饋機(jī)制。蟻群算法的應(yīng)用也很廣，主要是很多組合優(yōu)化問(wèn)題。它通常被用于解決（1）調(diào)度問(wèn)題，如車(chē)間作業(yè)調(diào)度問(wèn)題（JSP）、車(chē)間組調(diào)度問(wèn)題（GSP）（2）車(chē)輛路徑問(wèn)題，如限量車(chē)輛路徑問(wèn)題（CVRP）、分批配送車(chē)輛路徑問(wèn)題（SDVRP）、裝貨配送的車(chē)輛路徑問(wèn)題（VRPPD）等（3）分配問(wèn)題，如二次分配問(wèn)題（QAP）（4）設(shè)置問(wèn)題，如覆蓋設(shè)置問(wèn)題（SCP）、多背包問(wèn)題（MKP）（5）其他如圖像處理、系統(tǒng)識(shí)別等等。還有一些常用的變異蟻群算法：（1）精英螞蟻系統(tǒng)（2）最大最小螞蟻系統(tǒng)（MMAS）（3）蟻群系統(tǒng)（4）基于排序的螞蟻系統(tǒng)（ASrank）（5）連續(xù)正交蟻群（COAC）。除了蟻群算法，胡老師還介紹了粒子群優(yōu)化算法（PSO），它是通過(guò)模擬鳥(niǎo)群覓食行為而發(fā)展起來(lái)的一種基于群體協(xié)作的隨機(jī)搜索算法，屬于群集智能（SI）。PSO模擬鳥(niǎo)群的捕食行為，具體如下：一群鳥(niǎo)在隨機(jī)搜索食物，在這個(gè)區(qū)域里只有一塊食物，所有的鳥(niǎo)都不知道食物在哪里，但是他們知道當(dāng)前的位置離食物還有多遠(yuǎn)，那么最優(yōu)策略又是最簡(jiǎn)單有效的方法就是搜索目前離食物最近的鳥(niǎo)的周?chē)鷧^(qū)域。在此算法中，適應(yīng)值（fitnessvalue）很重要。所有粒子都有一個(gè)由被優(yōu)化的函數(shù)決定的fitnessvalue，粒子們追隨當(dāng)前的最優(yōu)粒子在解空間中搜索。PSO初始化為一群隨機(jī)粒子，然后通過(guò)迭代找到最優(yōu)解，在每一次的迭代中，粒子通過(guò)跟蹤兩個(gè)極值來(lái)更新自己。第一個(gè)就是粒子本身所找到的最優(yōu)解，稱(chēng)為個(gè)體極值pBest，另一個(gè)是整個(gè)種群目前找到的最優(yōu)解，它是局部極值。算法流程如下：，包括隨機(jī)的位置和速度；；，將它的適應(yīng)值和它經(jīng)歷過(guò)的最好位置pBest作比較，如果較好則將其作為當(dāng)前的最好位置gBest；，將它的fitnessvalue和全局所經(jīng)歷的最好位置gBest作比較，如果較好則重新設(shè)置gBest的索引號(hào)；；（可為足夠好的fitnessvalue或達(dá)到一個(gè)預(yù)設(shè)的最大代數(shù)Gmax）回到第2步。隨著PSO的不斷發(fā)展，其應(yīng)用范圍也在不斷擴(kuò)大。如利用PSO實(shí)現(xiàn)對(duì)衛(wèi)星無(wú)線網(wǎng)絡(luò)路由的自適應(yīng)調(diào)整、解決互聯(lián)網(wǎng)絡(luò)服務(wù)質(zhì)量路由問(wèn)題，除此之外，PSO算法還在多峰值函數(shù)優(yōu)化、多目標(biāo)優(yōu)化和約束優(yōu)化等方面取得了很好的效果。由于知識(shí)所限，很多專(zhuān)有名詞沒(méi)有弄懂，知識(shí)還需以后深入學(xué)習(xí)。筆記就整理到這里，還是來(lái)說(shuō)一下我的感想吧。曾經(jīng)偶然間在CNKI上看到李寒宇老師的一篇文章《愛(ài)上這個(gè)美麗的錯(cuò)——讓我沉迷的信息與計(jì)算科學(xué)專(zhuān)業(yè)》，他抱著大學(xué)不學(xué)數(shù)學(xué)的心態(tài)陰錯(cuò)陽(yáng)差地進(jìn)了這個(gè)專(zhuān)業(yè)，意想不到的是數(shù)學(xué)和計(jì)算機(jī)是個(gè)令人著迷的世界，無(wú)法自拔。
公司管理相關(guān)推薦
鄂ICP備17016276號(hào)-1