畢業(yè)設計(論文)管理系統(tǒng)的設計與實現

畢業(yè)設計(論文)管理系統(tǒng)的設計與實現

ID:6437608

大小:669.50 KB

頁數:5頁

時間:2018-01-14

畢業(yè)設計(論文)管理系統(tǒng)的設計與實現_第1頁
畢業(yè)設計(論文)管理系統(tǒng)的設計與實現_第2頁
畢業(yè)設計(論文)管理系統(tǒng)的設計與實現_第3頁
畢業(yè)設計(論文)管理系統(tǒng)的設計與實現_第4頁
畢業(yè)設計(論文)管理系統(tǒng)的設計與實現_第5頁
資源描述:

《畢業(yè)設計(論文)管理系統(tǒng)的設計與實現》由會員上傳分享,免費在線閱讀,更多相關內容在學術論文-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,本文針對自調節(jié)譜聚類算法和傳統(tǒng)的譜聚類算法的缺陷,實現了一個可以自動的選取尺度參數的自適應譜聚類算法。它用全局N近鄰距離作為比例參數s,達到了比其它傳統(tǒng)聚類更好的效果。通過在UCI數據集上的實驗對比和實際應用中的實驗結果,表明了基于自適應譜聚類的圖像分割算法適應性強、計算代價小、精度較高,性能優(yōu)于或者不差于以往的類似

2、算法。關鍵詞:圖像分割;自適應譜聚類;聚類算法ImageSegmentationbasedonspectralclusteringalgorithmAbstract:Spectralclusteringhasbeenusedtoidentifyclustersthatarenon-linearlyseparableininputspace,andusuallyoutperformstraditionalclusteringalgorithms.However,theperformanceofspectra

3、lclusteringisseverelydependentonvaluesofthescalingparameter,Thispaperachieveanewalgorithmtotheovercomthedrawbacksofself-tuningspectralclusteringandtraditionalspectralclustering,calledastheadaptivespectralclustering(ASC),whichcanchoosethescalingparameterau

4、tomaticallybyusingtechniquessimilartokernelselection.IttakesaveragedistanceofN-near-neighbourasscalingparameters,andcouldgetbettereffectthanothertraditionalspectralclustering.bytheexperimentcontrastsintheUCIdatasetsandtheresultsofexperimentsinapplications

5、showthatthespectralclusteringbasedonadaptiveimagesegmentationalgorithmhasstrongeradaptability,lowercalculatecostandhigherprecision.Itsperformanceexceedsoratleastnotlowertotheothersimilarityones.Wecanseethecharacteristicsandadvantagesofadaptivespectralclus

6、teringalgorithm.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。圖像分割幾乎出現在有關圖像處理的所有領域,如在工業(yè)自動化、生產程控、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、某一具體的應用問題而提出來的,至今仍然

7、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理論、圖像分割原理、自適應譜聚類算法在圖像分割中的應用等。然后通過在UCI數據集上的實驗對比和實際應用中的實驗結果,得出了基于自適應譜聚類的圖像分割算法是一種適應性強、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

8、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)。譜聚類是由數據點間的相似性建立矩陣,即:根據給定的樣本數據集定義一個描述成對數據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據點。2.譜聚類的算法思想譜聚類算法的主要步驟:(1)根據某種相似度的定義,由原始數據集建立表示樣本集的相似性矩

當前文檔最多預覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當前文檔最多預覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數學公式或PPT動畫的文件,查看預覽時可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權歸屬用戶,天天文庫負責整理代發(fā)布。如果您對本文檔版權有爭議請及時聯系客服。
3. 下載前請仔細閱讀文檔內容,確認文檔內容符合您的需求后進行下載,若出現內容與標題不符可向本站投訴處理。
4. 下載文檔時可能由于網絡波動等原因無法下載或下載錯誤,付費完成后未能成功下載的用戶請聯系客服處理。