·84· 智能系统学报 第2卷 detector移动到目标位置，并置step=step+I 经过76代运行后，MAS系统收敛，活动detec- endif tor数为0，所有定居detector被划分到4类中.分 else 割过程中的总活动detector数变化如图5，可见在 detector执行革命行为，改变目标为局部感 30代时曲线已几乎收敛.各类别的定居detector数 知，以提升ability 的变化如图6. ×10 endif 2.00 endif 1.8 1.6 endif 1.4 endfor 1.0 endwhile 0.8 end 0.6 0.4 活动detector数 0.2 5 实验结果及分析 0 1020304050607080 本实验利用了一系列医学图像进行验证.其中 代数/代 monitor采用了自动合并和基于能力的冲突消解策 图5 活动detector数的变化 略.图4为256256的原始大脑灰度图像，其中包 Fig 5 Number of active detectors 含4类区域：背景、灰质、白质及脑髓液.用于该图像 30*10 分割的参数如表1 2.5 ·一背景 教 2.0 一灰质 1.5 1.0 。一白质 0.5 ◆一脑髓液 0 10.20 304050607080 代数/代 图6各类定居detector数的变化 Fig 6 Number of inhabit detectors of different classes 图像分割的动态过程如图7所示，表示不同代 数t时定居detector的分布. 图4用于分割的大脑图像 Fig 4 Brain image used for segmentation 表1用于分割的参数 Table 1 Parameters used for segmentation 参数 参数值 初始detector数 5000 (a)t=0 (b)t=3 0.01 中 4 4 6 60 n 50 型 02 (e)1=5 (d=8 1994-2008 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.netdetector 移动到目标位置 ,并置 step = step + 1 endif else detector 执行革命行为 ,改变目标为局部感 知 ,以提升 ability endif endif endif endfor endwhile end 5 实验结果及分析 本实验利用了一系列医学图像进行验证. 其中 monitor 采用了自动合并和基于能力的冲突消解策 略. 图 4 为 256 ×256 的原始大脑灰度图像 ,其中包 含 4 类区域 :背景、灰质、白质及脑髓液. 用于该图像 分割的参数如表 1. 图 4 用于分割的大脑图像 Fig14 Brain image used for segmentation 表 1 用于分割的参数 Table 1 Parameters used for segmentation 参数 参数值 初始 detector 数 5 000 A 0101 B 4 S 4 δM 60 δD 50 Ψ 012 经过 76 代运行后 ,MAS 系统收敛 ,活动 detec2 tor 数为 0 ,所有定居 detector 被划分到 4 类中. 分 割过程中的总活动 detector 数变化如图 5 ,可见在 30 代时曲线已几乎收敛. 各类别的定居 detector 数 的变化如图 6. 图 5 活动 detector 数的变化 Fig15 Number of active detectors 图 6 各类定居 detector 数的变化 Fig16 Number of inhabit detectors of different classes 图像分割的动态过程如图 7 所示 ,表示不同代 数 t 时定居 detector 的分布. · 48 · 智 能 系 统 学 报 第 2 卷