摘要：针对文本图像中分布着大量空白区域和存在大量相似和冗余字符的特性,将导控核回归方法与聚类学习方法相结合,提出一种基于聚类学习的加权核回归超分辨重建模型。基于该模型可对字符图像的局部结构进行学习,实现文本字符的超分辨率重建,超分辨率重建方法通过对大量无关样本进行局部结构聚类,使重建过程可以利用局部邻域的结构信息,并学习大量聚类子样本集里包含的非局部邻域结构信息,保障重建的鲁棒性。超分辨率重建实验从主观评价和客观指标上验证了提出方法的有效性。

摘要：本文提出了一种基于多源交配选择的多目标进化算法(Multi-source Mating Selection based Multi-objective Evolutionary Algorithms,MMSEA).在MMSEA算法中,谱聚类被用来挖掘种群规则特性,基于所获得的种群结构化信息设计了一种多源交配选择重组算子来引导算法搜索,通过为每个个体设置多个交配选择源,在利用相似个体重组加速算法收敛的同时较好地保持了种群的多样性.实验结果表明,所提重组算子可以有效提升算法性能,将MMSEA与多种主流的多目标进化算法进行实验对比研究与参数灵敏度分析的结果表明,MMSEA在求解具有复杂特性的典型多目标优化问题测试集时表现出较强的竞争力.