协同Memetic计算模型及其在SAR图像变化检测中的应用

This proposal will build a cooperative memetic computational model based on the regulation between nervous system and immune system, and apply the new model to change detection in SAR images. The Lamarchian learning will be designed based on the unidirectional regulation of nervous system on the immune response. The Baldwinian learning will be designed based on the bidirectional reulation between nerous system and immune system. The cooperative learning and high-level learning models will be designed based on the network regulation of multiple neurons on immune response. High performance Memetic algorithms for NP-Hard optimization and complex data clustering will be proposed to overcome the main drawbacks in learning ability and convergence speed. Based on these models, the change detection algorithm in SAR image will be proposed to overcome the dependence on probability statistical model of difference image. We will publish 8-10 papers, apply 2-3 patents, and bring up 3-5 graduate students.

本课题基于生物机体内神经系统与免疫系统的整合调节机理，构造协同Memetic计算模型并应用于SAR图像变化检测。研究内容包括：设计神经系统对免疫反应单向调节的拉马克学习策略；设计神经系统与免疫系统双向交互对免疫反应调节的班德文学习策略；模拟神经系统对免疫反应的多神经元网络调节机理，建立多策略学习和高阶学习模型；针对大规模NP-Hard优化和复杂数据聚类问题设计高性能求解算法，通过学习缓解搜索过程中因盲目性而导致的学习能力差、收敛速度慢的难题。基于协同Memetic计算模型，构造适合于SAR图像变化检测的差异图分析方法，克服对差异图概率统计模型的依赖。预期在本领域主流刊物和会议发表论文8～10篇；申报专利或软件著作权2～3项；联合培养博士、硕士3～5名。

本课题基于生物机体内神经系统与免疫系统的整合调节机理，提出了协同Memetic计算模型，设计了模拟神经系统对免疫反应调节的个体学习策略。模拟神经系统对免疫反应的多神经元整合调节机理，建立多策略学习和高阶学习模型，构造协同Memetic计算模型的自适应学习策略。针对数值优化和聚类问题，提出了高效的协同Memetic算法，通过学习缓解了搜索过程中因盲目性而导致的学习能力差、收敛速度慢的难题。针对合成孔径雷达(SAR)图像变化检测问题中所亟待解决的图像细节保持与噪声去除间的矛盾，首次从多目标优化的角度来理解变化检测问题，分别将图像细节保持能力与噪声去除能力作为两个待优化的目标，从而将SAR图像变化检测问题转化为一个多目标优化问题，提出了基于协同Memetic计算的多目标模糊聚类算法和选择性集成策略的SAR图像变化检测算法，克服对差异图概率统计模型的依赖。在本领域主流刊物和会议发表论文12 篇；申报专利6项；联合培养博士、硕士7 名。