GENETIC ALGORITHM APPLICATION FOR MUTUALLY CORRELATED RANDOM FIELDS GENERATION
https://doi.org/10.21285/1814-3520-2018-5-75-82
Abstract
The PURPOSE of the paper is to implement a genetic algorithm for generating mutually correlated random fields and to study the obtained results. METHODS. The main research methods include the probability theory and mathematical statistics, numerical methods, correlation and spectral analysis. RESULTS. The study has shown the efficiency of the genetic algorithm for generating mutually correlated random fields under various parameters of the random field autocorrelation function. Description is given to the algorithm and the program implementing the genetic algorithm for random fields and mutually correlated fields generation and calculation of their characteristics. CONCLUSION. The efficiency of the genetic algorithm used for generating mutually correlated random fields is shown and its application results are described. The algorithm can be used for image filtering.
References
1. Яне Б. Цифровая обработка изображений / пер. с англ. А.М. Измайловой. М.: Техносфера, 2007. 584 с.
2. Васильев К.К., Крашенинников В.Р. Статистический анализ изображений. Ульяновск: Изд-во УлГТУ, 2014. 214 с.
3. Milanfar P. A tour of modern image filtering // IEEE Signal Processing Magazine. January 2013. P. 106-128.
4. McAndrew A. A Computational Introduction to Digital Image Processing, Second Edition. CRCPress, 2015. 535 p.
5. Перспективные информационные технологии дистанционного зондирования Земли: монография / под ред. В.А. Сойфера. Самара: Новая техника, 2015. 237 с.
6. Быков В.В. Цифровое моделирование в статистической радиотехнике. М.: Советское радио, 1971, 328 с.
7. Давидан И.М., Лопатухин Л.И., Рожков В.А. Ветровое волнение в Мировом океане. Л.: Гидрометеоиздат, 1985.
8. Петров А.В. О подходах к вероятностному анализу перестановочных процедур генерирования случайных процессов // Вестник ИрГТУ. 2016. № 2 (109). С. 29-38.
9. Пригарин С.М. Методы численного моделирования случайных процессов и полей. Новосибирск: Изд-во ИВМиМГ СО РАН, 2005. 259 с.
10. Михайлов Г.А. Численное построение случайного поля с заданной спектральной плотностью // Доклады АН СССР. 1978. Т. 238, № 4. С. 793-795.
11. Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы / пер. с польск. И.Д. Рудинского. М.: Горячая линия - Телеком, 2006. 452 с.
12. Вороновский Г.К., Махотило К.В., Петрашев С.Н., Сергеев С.А. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности. Харьков: ОСНОВА, 1997. 112 с.
13. Курейчик В.М., Лебедев Б.К., Лебедев О.К. Поисковая адаптация: теория и практика. М: Физматлит, 2006. 272 с.
14. Емельянов В.В., Курейчик В.В., Курейчик В.М. Теория и практика эволюционного моделирования. М.: Физматлит, 2003. 432 c.
Review
For citations:
Buchnev O.S. GENETIC ALGORITHM APPLICATION FOR MUTUALLY CORRELATED RANDOM FIELDS GENERATION. Proceedings of Irkutsk State Technical University. 2018;22(5):75-82. (In Russ.) https://doi.org/10.21285/1814-3520-2018-5-75-82
Views:
218
Email this article 