21、基于遗传编程的兴趣点检测器进化合成研究

基于遗传编程的兴趣点检测器进化合成研究

1. 算法运行结果概述

在算法的 30 次运行中，得到了 15 个超级个体。运行次数与超级个体数量存在差异，是因为有 12 次运行中超级个体未能在完整的梵高图像序列上实现泛化，且在 18 个解决方案中有 3 个在实验中重复出现。若使用整个梵高序列进行训练，可能避免这些无效运行，但这存在算法运行时间与获得鲁棒通用算子概率之间的权衡。

1.1 算子子空间分类

• Ωσ 子空间 ：定义为不将高斯导数 Lu 作为遗传物质一部分的算子子空间，依赖高斯滤波器和 F 中定义的算术运算。
• Ω1 子空间 ：是 Ωσ 的子集，包含与 KIPGP1 基因相似的个体，因遗传编程（GP）收敛到 KIPGP1 所在的局部最优而有用。
• Ω∇ 子空间 ：是 Ωδ 的子集，代表对图像明确应用拉普拉斯运算的算子集合。

1.2 算子表格信息

算子名称	数学表达式	运行编号	对应子空间	适应度值	完整梵高序列上的平均重复性得分	是否代数简化
…	…	…