資源描述:
《畢業(yè)設(shè)計(jì)(論文)管理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)》由會員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)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(dǎo)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(gè)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(shí)現(xiàn)了一個(gè)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(dá)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(shí)驗(yàn)對比和實(shí)際應(yīng)用中的實(shí)驗(yàn)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(qiáng)、計(jì)算代價(jià)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
2、類;聚類算法ImageSegmentationbasedonspectralclusteringalgorithmAbstract:Spectralclusteringhasbeenusedtoidentifyclustersthatarenon-linearlyseparableininputspace,andusuallyoutperformstraditionalclusteringalgorithms.However,theperformanceofspectralclusteringisseverelydependentonva
3、luesofthescalingparameter,Thispaperachieveanewalgorithmtotheovercomthedrawbacksofself-tuningspectralclusteringandtraditionalspectralclustering,calledastheadaptivespectralclustering(ASC),whichcanchoosethescalingparameterautomaticallybyusingtechniquessimilartokernelselectio
4、n.IttakesaveragedistanceofN-near-neighbourasscalingparameters,andcouldgetbettereffectthanothertraditionalspectralclustering.bytheexperimentcontrastsintheUCIdatasetsandtheresultsofexperimentsinapplicationsshowthatthespectralclusteringbasedonadaptiveimagesegmentationalgorit
5、hmhasstrongeradaptability,lowercalculatecostandhigherprecision.Itsperformanceexceedsoratleastnotlowertotheothersimilarityones.Wecanseethecharacteristicsandadvantagesofadaptivespectralclusteringalgorithm.Keywords:Imagesegmentation;adaptivespectralclustering;clusteringalgor
6、ithm一、緒論圖像分割作為圖像處理與計(jì)算機(jī)視覺研究的難點(diǎn)和熱點(diǎn)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(jìn)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(shí)驗(yàn)對比和實(shí)際應(yīng)用中的實(shí)驗(yàn)結(jié)果,得出了基于自適應(yīng)譜聚類的
7、圖像分割算法是一種適應(yīng)性強(qiáng)、計(jì)算代價(jià)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樣本空間上,當(dāng)樣本空間不為凸時(shí),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(xué)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(diǎn)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(gè)描述成對數(shù)據(jù)點(diǎn)相
8、似度的親和矩陣,并計(jì)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(diǎn)。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