学位论文 > 优秀研究生学位论文题录展示

细菌聚类算法及其在图像分割问题中的研究与应用

作　者: 刘宇颖
导　师: 莫宏伟
学　校: 哈尔滨工程大学
专　业: 模式识别与智能系统
关键词: 模糊C-均值聚类 细菌觅食算法 混合聚类算法 图像分割
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 10次
引　用: 0次
阅　读: 论文下载
 

内容摘要


近年来,数据挖掘引起了信息产业界的极大关注。数据挖掘的目的就是从其应用领域中提取出大量的数据,通过数据挖掘技术将这些数据转换成对本领域有显著作用和深远意义的信息和知识。在数据挖掘技术中,聚类分析是一种比较广泛的分析方法。模糊C-均值(FCM)聚类算法是非监督模式识别中应用最为广泛的算法之一。模糊C均值算法有其天然的优点：算法结构简单,原理简捷明了,计算量小,收敛速度快等。然而,FCM算法有其本身的不足：模糊C均值算法本身并不具有智能性,只是单纯的叠加计算,因此对算法的初始化要求很严格。在算法进行前要明确聚类数目以及由于初始聚类中心的选择不当,使结果极易陷入局部最小值等。本文就细菌觅食优化算法进行深入细致研究,通过十个测试函数验证了细菌觅食优化算法的优化能力,并对细菌算法进行了自适应步长的改变。之后,将其与模糊聚类算法结合,用细菌觅食优化算法优化FCM算法的聚类准则函数,提出了一种基于模糊c均值算法和细菌觅食优化算法的混合聚类算法(BF-FCM)。该算法结合了细菌觅食优化算法的全局搜索能力和FCM算法快速局部搜索的特点,利用细菌算法中单个细菌的独立搜索能力与多个细菌全局搜索能力,有效地克服了FCM对初始值敏感、易陷入局部最优等问题,同时增强了跳出局部最优的能力。实验表明,新算法得到的目标函数值更小,聚类效果评价指数更好,聚类效果明显优于传统的FCM算法。本文的另外一个重点,是将提出的混合聚类算法应用于图像分割中。图像分割是从输入图像中提取目标或感兴趣区域的过程,是目标检测和识别过程中的重要步骤。模糊C均值聚类在图像分割中得到广泛应用。本文新的混合算法用于图像分割领域,与传统的FCM算法在图像分割中的应用相比较,并大胆采用了灰度值与图像粗糙度双重物理量作为聚类特征,通过对八组图像分割效果定性和定量的双重分析结果表明,新的混合算法在图像分割中,效果明显优于传统的FCM算法。

全文目录


摘要  5-6ABSTRACT  6-9第1章 绪论  9-20  1.1 数据挖掘和聚类分析的研究概况  9-11  1.2 细菌觅食优化算法研究概况  11-12  1.3 图像分割的研究概况  12-15  1.4 图像分割的常用方法概述  15-18  1.5 论文的主要工作  18-20第2章 模糊C均值算法  20-32  2.1 各种聚类算法介绍  20-23    2.1.1 划分的聚类算法  20    2.1.2 层次聚类算法  20-21    2.1.3 基于密度的聚类算法  21    2.1.4 基于网格的聚类算法  21-22    2.1.5 基于模型聚类算法  22    2.1.6 基于约束的聚类算法  22-23  2.2 模糊聚类算法(FCM)介绍  23-27  2.3 FCM算法的改进介绍  27-30    2.3.1 聚类个数C的调整  28    2.3.2 初始聚类中心选取  28-29    2.3.3 用类核代替类心  29    2.3.4 修改距离测度函数  29    2.3.5 隶属度m的修正  29-30  2.4 本章小结  30-32第3章 BF-FCM算法  32-53  3.1 细菌觅食优化算法  32-36    3.1.1 大肠杆菌觅食行为概述  32    3.1.2 细菌觅食优化算法  32-36  3.2 对于BF算法优化能力的验证  36-45  3.3 基于细菌觅食算法的模糊C均值聚类算法(BF-FCM)  45-50  3.4 BF-FCM聚类算法的聚类效果分析  50-52  3.5 本章小结  52-53第4章 BF-FCM算法在图像分割领域中的应用  53-65  4.1 BF-FCM算法在图像分割中的应用  53-55  4.2 图像分割的性能评价指标  55-56  4.3 BF-FCM算法的图像分割效果分析  56-64  4.4 本章小结  64-65结论  65-67参考文献  67-73攻读硕士学位期间发表的论文和取得的科研成果  73-74致谢  74

相似论文

  1. 森林防火系统中图像识别算法的研究,TP391.41
  2. 数字图像处理在集装箱检测中的应用研究,TP274.4
  3. 个性化人工膝关节设计及其生物力学特性研究,R318.1
  4. 基于图像处理技术的烟叶病害自动识别研究,S435.72
  5. 红外图像目标识别及跟踪技术研究,TP391.41
  6. 融合粒子群和蛙跳算法的模糊C-均值聚类算法研究,TP18
  7. 基于粒子群优化的Fuzzy c-mean聚类算法的基因芯片图像处理,TP391.41
  8. 基于知识的脊柱MRI影像分割算法研究,TP391.41
  9. 基于OpenCV的人脸检测方法研究,TP391.41
  10. 计算机辅助髋关节置换手术系统研究与开发,TP391.41
  11. 基于单目夜视图像的深度估计,TP391.41
  12. 基于中介真值程度度量的图像分割方法研究,TP391.41
  13. 基于图像处理的棉花成熟度判定技术的研究,TP391.41
  14. 基于空间邻域词袋模型的图像标注技术,TP391.41
  15. 基于数字图像处理技术的路面裂缝检测算法研究,TP391.41
  16. Web图像搜索中基于GPU的图像分割技术术究,TP391.41
  17. 基于改进的GVF主动轮廓模型的图像分割方法研究,TP391.41
  18. 基于主动轮廓模型的图像分割方法研究,TP391.41
  19. 基于主动轮廓模型的心脏核磁共振图像左心室分割方法研究,TP391.41
  20. 基于特征的纸币号码识别的研究,TP391.41

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com