函数级进化型硬件在模式识别中的应用

设计了一个基于函数级进化型硬件(FEHW)的高速模式识别系统,并提出了一种适合此系统的改进遗传学习算法——可变染色体长度遗传算法(VGA)。利用VGA代替简单的遗传算法(SGA)来处理大输入的图像数据,实时实现了3类飞机识别。仿真结果表明,VGA进化速度是SGA的9倍,识别率达到800％以上。

基于函数级进化型硬件的无损图像压缩

为实现无损图像压缩,设计了基于函数级进化型硬件(FEHW:Function-levelEvolutionalHardware)无损图像压缩系统。该系统由进化单元、函数单元和分类单元组成,运用遗传算法(GA:GeneticAlgorithm)自适应地改变其配置结构,在压缩过程中以函数进化的方式,进行像素预测和误差预测,以此增强无损图像压缩的性能。运用LOCO(LowComplexityLosslessCompression),JPEG(JointPhotographicEx-pertsGroup),CALIC(Context-basedAdaptiveLossslessImageCoding)和GA无损压缩算法进行了仿真,给出了不同算法对9种标准图像无损压缩的比较结果,该方法平均压缩率为4.885bit/pixel。