論文の概要: Multilevel Image Thresholding Using a Fully Informed Cuckoo Search Algorithm

• arxiv url: http://arxiv.org/abs/2006.09987v1
• Date: Sun, 31 May 2020 13:22:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-26 12:13:50.328867
• Title: Multilevel Image Thresholding Using a Fully Informed Cuckoo Search Algorithm
• Title（参考訳）: フルインフォームドcuckoo探索アルゴリズムを用いたマルチレベル画像閾値決定
• Authors: Xiaotao Huang, Liang Shen, Chongyi Fan, Jiahua zhu and Sixian Chen
• Abstract要約: 人口ベースメタヒューリスティックアルゴリズムは探索能力を向上させるために広く利用されている。 本稿では,リングトポロジに基づく完全情報戦略を用いて,cuckoo searchと呼ばれるメタヒューリスティックなメタヒューリスティックを改良する。
• 参考スコア（独自算出の注目度）: 3.451622180162228
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Though effective in the segmentation, conventional multilevel thresholding methods are computationally expensive as exhaustive search are used for optimal thresholds to optimize the objective functions. To overcome this problem, population-based metaheuristic algorithms are widely used to improve the searching capacity. In this paper, we improve a popular metaheuristic called cuckoo search using a ring topology based fully informed strategy. In this strategy, each individual in the population learns from its neighborhoods to improve the cooperation of the population and the learning efficiency. Best solution or best fitness value can be obtained from the initial random threshold values, whose quality is evaluated by the correlation function. Experimental results have been examined on various numbers of thresholds. The results demonstrate that the proposed algorithm is more accurate and efficient than other four popular methods.
• Abstract（参考訳）: セグメンテーションでは有効であるが、目的関数の最適化に最適なしきい値に対して徹底探索を用いるため、従来のマルチレベルしきい値法は計算コストがかかる。 この問題を解決するために、人口ベースメタヒューリスティックアルゴリズムは探索能力を向上させるために広く利用されている。 本稿では,環トポロジーに基づく完全インフォームド戦略を用いて,cuckoo searchと呼ばれる一般的なメタヒューリスティックスを改善する。 この戦略では、人口の各々が近隣から学び、人口の協力と学習効率を向上させる。 相関関数により品質を評価する初期ランダムしきい値から、ベストソリューションまたはベストフィットネス値を得ることができる。 種々の閾値について実験的に検討した。 その結果,提案アルゴリズムは,他の4つの手法よりも正確かつ効率的であることが示唆された。

関連論文リスト

• Improved Algorithms for Neural Active Learning [74.89097665112621]
  非パラメトリックストリーミング設定のためのニューラルネットワーク(NN)ベースの能動学習アルゴリズムの理論的および経験的性能を改善する。 本研究では,SOTA(State-of-the-art (State-the-art)) 関連研究で使用されるものよりも,アクティブラーニングに適する人口減少を最小化することにより,2つの後悔の指標を導入する。
  論文  参考訳（メタデータ） (2022-10-02T05:03:38Z)
• Efficient Non-Parametric Optimizer Search for Diverse Tasks [93.64739408827604]
  興味のあるタスクを直接検索できる,スケーラブルで汎用的なフレームワークを初めて提示する。 基礎となる数学表現の自然木構造に着想を得て、空間を超木に再配置する。 我々は,モンテカルロ法を木探索に適用し,レジェクションサンプリングと等価形状検出を備える。
  論文  参考訳（メタデータ） (2022-09-27T17:51:31Z)
• Frequent Itemset-driven Search for Finding Minimum Node Separators in Complex Networks [61.2383572324176]
  本稿では,データマイニングにおける頻繁なアイテムセットマイニングの概念をよく知られたメメティック検索フレームワークに統合する,頻繁なアイテムセット駆動探索手法を提案する。 頻繁なアイテムセット組換え演算子を反復的に使用して、高品質なソリューションで頻繁に発生するアイテムセットに基づいた有望な子孫ソリューションを生成する。 特に、29個の新しい上界を発見し、以前の18個の最もよく知られた境界と一致する。
  論文  参考訳（メタデータ） (2022-01-18T11:16:40Z)
• Heuristic Search for Rank Aggregation with Application to Label Ranking [16.275063634853584]
  本稿では,階層化問題を解くために,効果的なハイブリッド進化的ランキングアルゴリズムを提案する。 このアルゴリズムは、コンコーダントペアに基づくセマンティッククロスオーバーと、効率的な漸進的評価手法によって強化された遅延受容局所探索を特徴とする。 アルゴリズムを評価するために実験が行われ、ベンチマークインスタンス上での高い競争性能を示す。
  論文  参考訳（メタデータ） (2022-01-11T11:43:17Z)
• Adaptive Sampling for Heterogeneous Rank Aggregation from Noisy Pairwise Comparisons [85.5955376526419]
  ランキングアグリゲーション問題では、各項目を比較する際に、様々な精度レベルが示される。 本稿では,ノイズのあるペアワイズ比較によってアイテムのランクを推定する,除去に基づくアクティブサンプリング戦略を提案する。 提案アルゴリズムは,商品の真のランキングを高い確率で返却できることを示す。
  論文  参考訳（メタデータ） (2021-10-08T13:51:55Z)
• A Pragmatic Look at Deep Imitation Learning [0.3626013617212666]
  我々は6つの異なる対向的模倣学習アルゴリズムを再実装する。 広く使われている専門的軌跡データセットで評価する。 GAILは、様々なサンプルサイズにわたって、一貫してよく機能する。
  論文  参考訳（メタデータ） (2021-08-04T06:33:10Z)
• Local policy search with Bayesian optimization [73.0364959221845]
  強化学習は、環境との相互作用によって最適な政策を見つけることを目的としている。 局所探索のための政策勾配は、しばしばランダムな摂動から得られる。 目的関数の確率モデルとその勾配を用いたアルゴリズムを開発する。
  論文  参考訳（メタデータ） (2021-06-22T16:07:02Z)
• Benchmarking Simulation-Based Inference [5.3898004059026325]
  確率的モデリングの最近の進歩は、確率の数値的評価を必要としないシミュレーションに基づく推論アルゴリズムを多数もたらした。 推論タスクと適切なパフォーマンス指標を備えたベンチマークを,アルゴリズムの初期選択とともに提供する。 性能指標の選択は重要であり、最先端のアルゴリズムでさえ改善の余地があり、逐次推定によりサンプリング効率が向上することがわかった。
  論文  参考訳（メタデータ） (2021-01-12T18:31:22Z)
• Towards Optimally Efficient Tree Search with Deep Learning [76.64632985696237]
  本稿では,線形モデルから信号整数を推定する古典整数最小二乗問題について検討する。 問題はNPハードであり、信号処理、バイオインフォマティクス、通信、機械学習といった様々な応用でしばしば発生する。 本稿では, 深いニューラルネットワークを用いて, 単純化されたメモリバウンドA*アルゴリズムの最適推定を推定し, HATSアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-01-07T08:00:02Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。