高斯过程下的CMA-ES在医学图像配准中的应用

摘要：

为了改进协方差矩阵自适应进化策略(CMA-ES)的性能,提出了一种高斯过程协助下的协方差矩阵自适应进化策略(GPACMA-ES).该策略利用CMA-ES中的协方差矩阵构建核函数,引入高斯过程,在线学习历史经验,并根据历史经验预测全局最优解的最有前景区域,有效地降低了适应度函数的评价次数.同时,为了提高群体的搜索效率,引入了置信区间.群体在置信区间内更高效地采样,使得算法具备更快的收敛速度和全局寻优能力.最后,将GPACMA-ES算法应用于医学图像配准中,配准精度和效率均高于标准的CMA-ES算法.

关键词：协方差矩阵自适应进化策略、高斯过程、置信区间、医学图像配准

所属期刊栏目：45

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61374152;浙江省自然科学基金LY16F030014

在线出版日期：2018-12-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：234-237,262