基与结合遗传算法结合的直觉模糊集的检索方法(英文翻译)(编辑修改稿)

基与结合遗传算法结合的直觉模糊集的检索方法(英文翻译)(编辑修改稿)内容摘要：

度计算结果 度。 显然， πi 是在 [0， 1]范围内 ，这是在 πi 定义 得到的。 据到 Cn 1和 Fn 1，模糊度的矩阵 Hn 1就得到了。 整合 上述言论计算 在直方图中 I到第 i个图像色彩值的所有图像特征值和 颜色特征 向量 ， Ej可以表示为 当 染色体编码 时， 图像颜色特征产生了在比赛中染色体集。 在大多数图像中 ，每一个对象的重要程度在整个形象的 表达中 是不同的。 因此 ,单位平均分割在 垂直方向 应用于图像分割。 并且 它对应 于 视觉模式。 在染色体编码的 过程中 ，我们 保留重要区域 ，并删除不重要 区域。 如果在图像像素是 Mp N p， 分割而成得区域个数应是 r N p。 每一个地区 可以被视为对原始图像 的子图像 ， 并且 直方图 的元素可看作大量的 基因。 每一个基因被表示为一个整数。 这些 整数是一些区域内的象素色彩特征。 这些区域连在一起形成了整个图像的染色体。 假定每个区域的颜色直方图有 n种 颜色。 染色体Ri是 在这里 是 必然 概率，模糊成员和 对第 g种颜色来说 k个区域内的 直观 犹豫度。 Ri是每个区域的一个组合，每个组合 由图像的染色体组成是 空间中的一个候选决定。 有 R。 种组合。 由图像染色体组成的候选集合是 P = { R1 , R2 , ⋯, Ri} , 其中 i等于 1到 n， n是这个集合的数量。 我们使用 比例 算法。 每 个染色体 占 虚拟盘上的一个扇形 ， 扇形面积与适应度值成正比。 当自适应程度 值升高时 ，染色体会占用更多的 面积。 Ri区域的 自适应度值 Fi是 图像的相似度。 两个在人们判断中相互联系的相似图形， 我们会用距离函数 计算得到一个 染色体 的 距离矢量。 Fi和 距离是成反比的。 如果 距离 的结果是大， 这个染色体 的 适应性 会很 糟。 在接下来的 检索 过程宗的染色体的功能就会很低。 这种类型的染色体应该被删除。 否则 ，染色体应予保留。 距离函数 是 在此， ba’ 是图像颜色直方图中第 a种颜色的数目。 及变异 单 个交叉使允许的。 在 一个染色体 中 随机 设置一个 交叉 点。 在 交叉中 ， 这个单位 只 在这一点 之前或者之后发生交叉。 产生一个新的单位。 此操作 允许 在一些地区的组合 发生 变化。 一些 地区可能会出现反复，或不出现。 更多 区域 的组合可存在 于 图像数据库。