資源描述：
《畢業(yè)設(shè)計（論文）管理系統(tǒng)的設(shè)計與實現(xiàn)》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。
1、基于譜聚類的圖像分割算法研究071006308郭曉媛指導教師：管濤摘要：譜聚類能識別出在原空間中線性不可分的聚類，并且其效果優(yōu)于傳統(tǒng)聚類算法，譜聚類要想獲得好的效果必須選擇一個合適的尺度參數(shù)，本文針對自調(diào)節(jié)譜聚類算法和傳統(tǒng)的譜聚類算法的缺陷，實現(xiàn)了一個可以自動的選取尺度參數(shù)的自適應(yīng)譜聚類算法。它用全局N近鄰距離作為比例參數(shù)s，達到了比其它傳統(tǒng)聚類更好的效果。通過在UCI數(shù)據(jù)集上的實驗對比和實際應(yīng)用中的實驗結(jié)果，表明了基于自適應(yīng)譜聚類的圖像分割算法適應(yīng)性強、計算代價小、精度較高，性能優(yōu)于或者不差于以往的類似算法。關(guān)鍵詞：圖像分割；自適應(yīng)譜聚類；聚類算法ImageSegmentat
2、ionbasedonspectralclusteringalgorithmAbstract：Spectralclusteringhasbeenusedtoidentifyclustersthatarenon-linearlyseparableininputspace,andusuallyoutperformstraditionalclusteringalgorithms.However,theperformanceofspectralclusteringisseverelydependentonvaluesofthescalingparameter,Thispaperachie
3、veanewalgorithmtotheovercomthedrawbacksofself-tuningspectralclusteringandtraditionalspectralclustering,calledastheadaptivespectralclustering(ASC),whichcanchoosethescalingparameterautomaticallybyusingtechniquessimilartokernelselection.IttakesaveragedistanceofN-near-neighbourasscalingparameter
4、s,andcouldgetbettereffectthanothertraditionalspectralclustering.bytheexperimentcontrastsintheUCIdatasetsandtheresultsofexperimentsinapplicationsshowthatthespectralclusteringbasedonadaptiveimagesegmentationalgorithmhasstrongeradaptability,lowercalculatecostandhigherprecision.Itsperformanceexc
5、eedsoratleastnotlowertotheothersimilarityones.Wecanseethecharacteristicsandadvantagesofadaptivespectralclusteringalgorithm.Keywords:Imagesegmentation;adaptivespectralclustering;clusteringalgorithm一、緒論圖像分割作為圖像處理與計算機視覺研究的難點和熱點之一，其研究受到了各研究領(lǐng)域的高度重視，研究工作者對圖像分割進行了廣泛、深入的研究。圖像分割幾乎出現(xiàn)在有關(guān)圖像處理的所有領(lǐng)域，如在工業(yè)自
6、動化、生產(chǎn)程控、文件圖像處理等。因此在這種情況下，涌出了很多分割算法。但是這些算法都是針對某一類圖像、某一具體的應(yīng)用問題而提出來的，至今仍然沒有提出適合所有圖像的通用分割算法。本文先簡述了譜聚類算法的基礎(chǔ)理論、圖像分割原理、自適應(yīng)譜聚類算法在圖像分割中的應(yīng)用等。然后通過在UCI數(shù)據(jù)集上的實驗對比和實際應(yīng)用中的實驗結(jié)果，得出了基于自適應(yīng)譜聚類的圖像分割算法是一種適應(yīng)性強、計算代價小、精度較高，性能優(yōu)于或者不差于以往的類似算法。二、算法基礎(chǔ)分析與圖像分割原理1.譜聚類算法定義傳統(tǒng)的聚類算法主要有K-means算法、EM算法和模糊化的C均值(FCM)算法等。這些算法都是建立在凸球形的
7、樣本空間上，當樣本空間不為凸時，算法就會很容易陷入局部最優(yōu)。為了能夠在任意形狀的樣本空間上聚類且具有全局最優(yōu)性，學者們研究出了一種新型的聚類算法，即：譜聚類算法(SpectralClusteringAlgorithm)。譜聚類是由數(shù)據(jù)點間的相似性建立矩陣，即：根據(jù)給定的樣本數(shù)據(jù)集定義一個描述成對數(shù)據(jù)點相似度的親和矩陣，并計算矩陣的特征值和特征向量，然后選擇合適的特征向量聚類不同的數(shù)據(jù)點。2.譜聚類的算法思想譜聚類算法的主要步驟：（1）根據(jù)某種相似度的定義，由原始數(shù)據(jù)集建立表示樣本集的相似性矩
