【技术实现步骤摘要】
本专利技术涉及图像处理，具体地说是一种多源融合可视图像分类方法、系统、设备及介质。
技术介绍
1、多源融合，特别是在人工智能和数据处理的领域，指的是从不同来源获取的多种数据进行整合和分析的过程。这种融合方式可以极大地丰富人工智能系统的输入，提升系统的性能和准确性。
2、pso通常指的是粒子群优化(particle swarm optimization,pso)算法，这是一种优化技术，它受到鸟群、鱼群等动物社会行为的启发。pso算法是一种基于种群的随机优化技术，用于解决连续空间中的优化问题。
3、在pso中，一个问题的潜在解被表示为一个粒子(particle)，所有的粒子都存在于一个搜索空间中，并且都有一个适应度值(fitness value)，这个值由优化函数决定。每个粒子都有一个速度来决定它们飞行的方向和距离，同时还有一个位置表示它们在搜索空间中的当前位置。
4、传统的粒子群算法在求解优化问题时由于没有考虑远离最近的邻居这一机制，导致在迭代求解过程中，虽然消耗了迭代次数和时间，但是得到的解更新不明显...
【技术保护点】
1.一种多源融合可视图像分类方法，其特征在于，该方法是通过躲避近邻机制粒子群优化算法，并结合多源信息融合技术，实现在复杂环境下的可视图像的高精度分类；
2.根据权利要求1所述的多源融合可视图像分类方法，其特征在于，该方法具体如下：
3.根据权利要求2所述的多源融合可视图像分类方法，其特征在于，优化分类模型具体如下：
4.根据权利要求3所述的多源融合可视图像分类方法，其特征在于，初始化粒子群的位置和速度具体如下：
5.根据权利要求3所述的多源融合可视图像分类方法，其特征在于，适应度函数具体如下：
6.根据权利要...
【技术特征摘要】
1.一种多源融合可视图像分类方法，其特征在于，该方法是通过躲避近邻机制粒子群优化算法，并结合多源信息融合技术，实现在复杂环境下的可视图像的高精度分类；
2.根据权利要求1所述的多源融合可视图像分类方法，其特征在于，该方法具体如下：
3.根据权利要求2所述的多源融合可视图像分类方法，其特征在于，优化分类模型具体如下：
4.根据权利要求3所述的多源融合可视图像分类方法，其特征在于，初始化粒子群的位置和速度具体如下：
5.根据权利要求3所述的多源融合可视图像分类方法，其特征在于，适应度函数具体如下：
6.根据权利要求3所述的多源融合可视图像分类方法，其特征在于，粒子的位置和速度的更新过程包括惯性项、个...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。