942. 智能系统学报 第10卷 表3基于特征级的分类精度 Table 3 Classification accuracy based on feature level 分类算法 适应度 类内距 类间距 迭代次数 运行时间/min DMOPSO 5.8429×10 2753 4267 292 81 QPSO 8.4649×103 3805 2546 205 61 K-Means 2.9923×10 4157 1563 53 0.4 5结束语 satellite imagery [J].Applied Soft Computing,2015,28: 217-225」 本文将QPSO算法进行改进，在QPS0算法中加 [7]SUN Jun,FENG Bin,XU Wenbo.Particle swarm optimiza- 入多样性变异机制，提出了一种新的遥感图像分类 tion with particles having quantum behavior[C]Congress 算法，由实验结果可以看出，在分类过程中，采用 on Evolutionary Computation.Portland:IEEE,2004:325- DMOPSO算法得到的图像的分类精度更高，并且 331. QPSO算法相比K-Means算法能找到更优的聚类中 [8 COELHO L S.Novel gaussian quantum-behaved particle swarm optimiser applied to electromagnetic design[J].IET 心，为研究人员进一步研究遥感图像分类提供了理 Science,Measurement Technology,2007,1(5):290- 论和实际参考价值。但是其缺点是分类时间较长， 294. 需要对算法进一步改进。 [9]SUN Jun,CHEN Wei,FANG Wei,et al.Gene expression 参考文献： data analysis with the clustering method based on an im- proved quantum-behaved Particle Swarm Optimization[J]. [1]蒋卫国，陈强，郭骥，等.基于HPS0和FCM的多光谱 Engineering Applications of Artificiallntelligence,2012,25 遥感图像湿地分类[J].光谱学与光谱分析，2010,30 (2):376-391. (12):3329-3333. [10]SUN Jun,WU Xiaojun,PALADE V,et al.Convergence a- JIANG Weiguo,CHEN Qiang,GUO Ji,et al.Classification nalysis and improvements of quantum-behaved particle of wetlands in multispectral remote sensing image based on swarm optimizationJ.Information Sciences,2012,193: HPSO and FCM[J].Spectroscopy and Spectral Analysis, 81-103. 2010,30(12):3329-3333. [11 URSEM R K.Diversity-guided Evolutionary Algorithm [2]SHANKAR B U,MEHER S K,GHOSH A.Wavelet-fuzzy [M]//GUERVOS J J M,ADAMIDIS P,BEYER H G, hybridization:feature-extraction and land-cover classification et al.Parallel Problem Solving from Nature -PPSN VII. of remote sensing images [J].Applied Soft Computing, Berlin Heidelberg:Springer,2002,2439:462-471. 2011,11(3):2999-3011. [12]RIGET J,VESTERSTROEM J S.A Diversity-guided parti- [3]董杰，沈国杰.一种基于模糊关联分类的遥感图像分类 cle swarm optimizer-the ARPSO[R].Aarhus:Department 方法[J].计算机研究与发展，2012,49(7)：1500-1506， of Computer Science,University of Aarhus,2002. DONG Jie,SHEN Guojie.Remote sensing image classification 作者简介： based on fuzzy associative classification[J].Joumal of Comput- 龙海侠，女，1980年生，副教授，博 er Research and Development,2012,49(7):1500-1506. 士，主要研究方向为人工智能。主持完 [4]袁永福.基于粒子群和互信息的高光谱图像波段选择和 成海南省自然科学基金2项，主持完成 分类[D].西安：西安电子科技大学，2014：61-73 海南省高等科学研究项目1项。作为 YUAN Yongfu.Band selection and classification for hyper- 第一完成人获得海南省科技进步奖三 spectral image based on particle swarm optimization and mu- 等奖1项。发表学术论文20余篇。出 tual information[D].Xi'an:Xidian University,2014:61- 版专著1部，教材1部。 吴淑雷，女，1974年生，教授，主要 [5]UIA D,MUNOZ-MARI J,CAMPS-VALLS G.Remote sens- 研究方向为视频、图像和地理信息等。 ing image segmentation by active queries[J].Pattern Recog- 主持和完成国家自然科学基金、海南省 nition,2012,45(6):2180-2192. 自然科学基金多项。发表学术论文30 [6]AGRAWAL R K,BAWANE N G.Multiobjective PSO based 余篇。出版专著2部，教材1部。 adaption of neural network topology for pixel classification in表 ３ 基于特征级的分类精度 Ｔａｂｌｅ ３ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ ａｃｃｕｒａｃｙ ｂａｓｅｄ ｏｎ ｆｅａｔｕｒｅ ｌｅｖｅｌ 分类算法 适应度 类内距 类间距 迭代次数 运行时间／ ｍｉｎ ＤＭＱＰＳＯ ５．８４２ ９×１０ ５ ２ ７５３ ４ ２６７ ２９２ ８１ ＱＰＳＯ ８．４６４ ９×１０ ５ ３ ８０５ ２ ５４６ ２０５ ６１ Ｋ⁃Ｍｅａｎｓ ２．９９２ ３×１０ ６ ４ １５７ １ ５６３ ５３ ０．４ ５ 结束语 本文将 ＱＰＳＯ 算法进行改进，在 ＱＰＳＯ 算法中加 入多样性变异机制，提出了一种新的遥感图像分类 算法，由实验结果可以看出，在分类过程中，采用 ＤＭＱＰＳＯ 算法得到的图像的分类精度更高，并且 ＱＰＳＯ 算法相比 Ｋ⁃Ｍｅａｎｓ 算法能找到更优的聚类中 心，为研究人员进一步研究遥感图像分类提供了理 论和实际参考价值。 但是其缺点是分类时间较长， 需要对算法进一步改进。 参考文献： ［１］蒋卫国， 陈强， 郭骥， 等． 基于 ＨＰＳＯ 和 ＦＣＭ 的多光谱 遥感图像湿地分类［ Ｊ］． 光谱学与光谱分析， ２０１０， ３０ （１２）： ３３２９⁃３３３３． ＪＩＡＮＧ Ｗｅｉｇｕｏ， ＣＨＥＮ Ｑｉａｎｇ， ＧＵＯ Ｊｉ， ｅｔ ａｌ． Ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｏｆ ｗｅｔｌａｎｄｓ ｉｎ ｍｕｌｔｉｓｐｅｃｔｒａｌ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｉｍａｇｅ ｂａｓｅｄ ｏｎ ＨＰＳＯ ａｎｄ ＦＣＭ ［ Ｊ］． Ｓｐｅｃｔｒｏｓｃｏｐｙ ａｎｄ Ｓｐｅｃｔｒａｌ Ａｎａｌｙｓｉｓ， ２０１０， ３０（１２）： ３３２９⁃３３３３． ［２］ ＳＨＡＮＫＡＲ Ｂ Ｕ， ＭＥＨＥＲ Ｓ Ｋ， ＧＨＯＳＨ Ａ． Ｗａｖｅｌｅｔ⁃ｆｕｚｚｙ ｈｙｂｒｉｄｉｚａｔｉｏｎ： ｆｅａｔｕｒｅ⁃ｅｘｔｒａｃｔｉｏｎ ａｎｄ ｌａｎｄ⁃ｃｏｖｅｒ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｏｆ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｉｍａｇｅｓ ［ Ｊ ］． Ａｐｐｌｉｅｄ Ｓｏｆｔ Ｃｏｍｐｕｔｉｎｇ， ２０１１， １１（３）： ２９９９⁃３０１１． ［３］董杰， 沈国杰． 一种基于模糊关联分类的遥感图像分类 方法［Ｊ］． 计算机研究与发展， ２０１２， ４９（７）： １５００⁃１５０６． ＤＯＮＧ Ｊｉｅ， ＳＨＥＮ Ｇｕｏｊｉｅ． Ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｉｍａｇｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｂａｓｅｄ ｏｎ ｆｕｚｚｙ ａｓｓｏｃｉａｔｉｖｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｃｏｍｐｕｔ⁃ ｅｒ Ｒｅｓｅａｒｃｈ ａｎｄ Ｄｅｖｅｌｏｐｍｅｎｔ， ２０１２， ４９（７）： １５００⁃１５０６． ［４］袁永福． 基于粒子群和互信息的高光谱图像波段选择和 分类 ［ Ｄ］． 西 安： 西 安 电 子 科 技 大 学， ２０１４： ６１⁃７３． ＹＵＡＮ Ｙｏｎｇｆｕ． Ｂａｎｄ ｓｅｌｅｃｔｉｏｎ ａｎｄ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｆｏｒ ｈｙｐｅｒ⁃ ｓｐｅｃｔｒａｌ ｉｍａｇｅ ｂａｓｅｄ ｏｎ ｐａｒｔｉｃｌｅ ｓｗａｒｍ ｏｐｔｉｍｉｚａｔｉｏｎ ａｎｄ ｍｕ⁃ ｔｕａｌ ｉｎｆｏｒｍａｔｉｏｎ［Ｄ］． Ｘｉ’ ａｎ： Ｘｉｄｉａｎ Ｕｎｉｖｅｒｓｉｔｙ， ２０１４： ６１⁃ ７３． ［５］ＵＩＡ Ｄ， ＭＵＮＯＺ⁃ＭＡＲＩ Ｊ， ＣＡＭＰＳ⁃ＶＡＬＬＳ Ｇ． Ｒｅｍｏｔｅ ｓｅｎｓ⁃ ｉｎｇ ｉｍａｇｅ ｓｅｇｍｅｎｔａｔｉｏｎ ｂｙ ａｃｔｉｖｅ ｑｕｅｒｉｅｓ［Ｊ］． Ｐａｔｔｅｒｎ Ｒｅｃｏｇ⁃ ｎｉｔｉｏｎ， ２０１２， ４５（６）： ２１８０⁃２１９２． ［６］ＡＧＲＡＷＡＬ Ｒ Ｋ， ＢＡＷＡＮＥ Ｎ Ｇ． Ｍｕｌｔｉｏｂｊｅｃｔｉｖｅ ＰＳＯ ｂａｓｅｄ ａｄａｐｔｉｏｎ ｏｆ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｔｏｐｏｌｏｇｙ ｆｏｒ ｐｉｘｅｌ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｉｎ ｓａｔｅｌｌｉｔｅ ｉｍａｇｅｒｙ ［ Ｊ］． Ａｐｐｌｉｅｄ Ｓｏｆｔ Ｃｏｍｐｕｔｉｎｇ， ２０１５， ２８： ２１７⁃２２５． ［７］ＳＵＮ Ｊｕｎ， ＦＥＮＧ Ｂｉｎ， ＸＵ Ｗｅｎｂｏ． Ｐａｒｔｉｃｌｅ ｓｗａｒｍ ｏｐｔｉｍｉｚａ⁃ ｔｉｏｎ ｗｉｔｈ ｐａｒｔｉｃｌｅｓ ｈａｖｉｎｇ ｑｕａｎｔｕｍ ｂｅｈａｖｉｏｒ［Ｃ］ ／ ／ Ｃｏｎｇｒｅｓｓ ｏｎ Ｅｖｏｌｕｔｉｏｎａｒｙ Ｃｏｍｐｕｔａｔｉｏｎ． Ｐｏｒｔｌａｎｄ： ＩＥＥＥ， ２００４： ３２５⁃ ３３１． ［８］ ＣＯＥＬＨＯ Ｌ Ｓ． Ｎｏｖｅｌ ｇａｕｓｓｉａｎ ｑｕａｎｔｕｍ⁃ｂｅｈａｖｅｄ ｐａｒｔｉｃｌｅ ｓｗａｒｍ ｏｐｔｉｍｉｓｅｒ ａｐｐｌｉｅｄ ｔｏ ｅｌｅｃｔｒｏｍａｇｎｅｔｉｃ ｄｅｓｉｇｎ［ Ｊ］． ＩＥＴ Ｓｃｉｅｎｃｅ， Ｍｅａｓｕｒｅｍｅｎｔ ＆ Ｔｅｃｈｎｏｌｏｇｙ， ２００７， １（ ５）： ２９０⁃ ２９４． ［９］ＳＵＮ Ｊｕｎ， ＣＨＥＮ Ｗｅｉ， ＦＡＮＧ Ｗｅｉ， ｅｔ ａｌ． Ｇｅｎｅ ｅｘｐｒｅｓｓｉｏｎ ｄａｔａ ａｎａｌｙｓｉｓ ｗｉｔｈ ｔｈｅ ｃｌｕｓｔｅｒｉｎｇ ｍｅｔｈｏｄ ｂａｓｅｄ ｏｎ ａｎ ｉｍ⁃ ｐｒｏｖｅｄ ｑｕａｎｔｕｍ⁃ｂｅｈａｖｅｄ Ｐａｒｔｉｃｌｅ Ｓｗａｒｍ Ｏｐｔｉｍｉｚａｔｉｏｎ ［ Ｊ］． Ｅｎｇｉｎｅｅｒｉｎｇ Ａｐｐｌｉｃａｔｉｏｎｓ ｏｆ ＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅ， ２０１２， ２５ （２）： ３７６⁃３９１． ［１０］ＳＵＮ Ｊｕｎ， ＷＵ Ｘｉａｏｊｕｎ， ＰＡＬＡＤＥ Ｖ， ｅｔ ａｌ． Ｃｏｎｖｅｒｇｅｎｃｅ ａ⁃ ｎａｌｙｓｉｓ ａｎｄ ｉｍｐｒｏｖｅｍｅｎｔｓ ｏｆ ｑｕａｎｔｕｍ⁃ｂｅｈａｖｅｄ ｐａｒｔｉｃｌｅ ｓｗａｒｍ ｏｐｔｉｍｉｚａｔｉｏｎ［ Ｊ］． Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅｓ， ２０１２， １９３： ８１⁃１０３． ［ １１ ］ ＵＲＳＥＭ Ｒ Ｋ． Ｄｉｖｅｒｓｉｔｙ⁃ｇｕｉｄｅｄ Ｅｖｏｌｕｔｉｏｎａｒｙ Ａｌｇｏｒｉｔｈｍ ［Ｍ］ ／ ／ ＧＵＥＲＶÓＳ Ｊ Ｊ Ｍ， ＡＤＡＭＩＤＩＳ Ｐ， ＢＥＹＥＲ Ｈ Ｇ， ｅｔ ａｌ． Ｐａｒａｌｌｅｌ Ｐｒｏｂｌｅｍ Ｓｏｌｖｉｎｇ ｆｒｏｍ Ｎａｔｕｒｅ ⁃ＰＰＳＮ ＶＩＩ． Ｂｅｒｌｉｎ Ｈｅｉｄｅｌｂｅｒｇ： Ｓｐｒｉｎｇｅｒ， ２００２， ２４３９： ４６２⁃４７１． ［１２］ＲＩＧＥＴ Ｊ， ＶＥＳＴＥＲＳＴＲＯＥＭ Ｊ Ｓ． Ａ Ｄｉｖｅｒｓｉｔｙ⁃ｇｕｉｄｅｄ ｐａｒｔｉ⁃ ｃｌｅ ｓｗａｒｍ ｏｐｔｉｍｉｚｅｒ⁃ｔｈｅ ＡＲＰＳＯ［Ｒ］． Ａａｒｈｕｓ： Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ， Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ａａｒｈｕｓ， ２００２． 作者简介： 龙海侠，女，１９８０ 年生，副教授，博 士，主要研究方向为人工智能。 主持完 成海南省自然科学基金 ２ 项，主持完成 海南省高等科学研究项目 １ 项。 作为 第一完成人获得海南省科技进步奖三 等奖 １ 项。 发表学术论文 ２０ 余篇。 出 版专著 １ 部，教材 １ 部。 吴淑雷，女，１９７４ 年生，教授，主要 研究方向为视频、图像和地理信息等。 主持和完成国家自然科学基金、海南省 自然科学基金多项。 发表学术论文 ３０ 余篇。 出版专著 ２ 部，教材 １ 部。 ·９４２· 智 能 系 统 学 报 第 １０ 卷