Ensemble Searching: A New Concept of Heuristic Search Algorithms and Its Application in Multilevel Thresholding Optimization
محل انتشار: فصلنامه بین المللی وب پژوهی، دوره: 7، شماره: 3
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 45
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJWR-7-3_002
تاریخ نمایه سازی: 21 آبان 1403
چکیده مقاله:
Multilevel thresholding is recognized as a fast and effective technique for image segmentation. Although exhaustive search provides a comprehensive solution, its computational complexity increases with the number of threshold levels. This paper introduces a novel meta-heuristic search algorithm called Ensemble Searching (ES), designed to tackle complex nonlinear optimization problems. The focus is on applying ES to image multilevel thresholding. Initially, the population is divided into predefined groups, each guided by an evolutionary algorithm that independently searches for better positions within the search space. If an algorithm encounters a local optimum, a diversity-maintaining mechanism is activated to relocate the group. Throughout the iterative process, all algorithms share the best global solution (Gbest). The proposed structure’s effectiveness is evaluated using ten test images and the energy curve method. Kapur’s entropy, a well-established measure, is used to assess the algorithm’s performance. A comparative analysis with eight different search algorithms demonstrates the proposed framework’s rapid convergence, confirming its efficiency and effectiveness.
کلیدواژه ها:
نویسندگان
ehsan ehsaeyan
Electrical Engineering Department, Sirjan University of Technology, Sirjan, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :