论文部分内容阅读
针对传统鬣狗优化算法在处理图像分割问题时容易陷入局部最优、收敛效率低等问题,提出基于混沌初始化策略、非线性收敛因子调整策略、莱维飞行策略以及精英反向学习策略的改进鬣狗优化算法(Improved Spotted Hyena Optimizer,ISHO),并应用于多阈值彩色图像分割问题中。该算法不仅提升了在解决复杂性问题时的寻优效率,而且提高了求解精度与质量,避免了受随机因子影响而陷入局部最优的缺陷。为了验证该算法的有效性,利用伯克利图像分割验证,结果表明:该算法在分割速度及效率上具有明显优势,求解精