25、模式识别与机器学习在不同领域的应用研究

模式识别与机器学习在不同领域的应用研究

1. 模式识别中的分层精英算法

在超声心动图图像的模式识别中，分层精英遗传引力搜索算法（Hierarchical Elitism Genetic GSA，简称HEG - GS）有着独特的应用。该算法的目标是在引力搜索中应用分层精英基因，以优化模式识别中的多层神经网络（MNN）。

具体操作步骤如下：
1. 参数测量 ：对每个预处理后的超声心动图图像，首先测量力、适应度函数、最佳适应度和最差适应度。
2. 计算速度和位置 ：根据上述测量值，计算速度和位置。
3. 应用分层精英基因 ：在引力搜索算法（GSA）中应用分层精英基因，核心目标是优化MNN。分层精英基因的优势在于它会将一小部分超声心动图图像原样复制到下一代，从而减少计算时间和复杂度。
4. 验证操作 ：应用平均精英策略进行验证，并对所有预处理后的超声心动图图像重复上述过程。

实验使用的超声心动图图像均来自心脏运动和成像平面（Cardiac Motion and Imaging Planes），由ASE/SCA提供。每个超声心动图视频会生成不同数量的帧，不同视频的帧数并不相同。例如，从一个视频中提取了52个不同的帧，文中还给出了3个帧的示例。

为了评估HEG - GS方法的性能，将其与两种现有方法进行了比较，测量了三个不同的参数：计算时间（CT）、计算复杂度（CC）和模式识别准确率。

1.1 计算时间（CT）

计算时间是模式识别中一个重要