欢迎来到天天文库
浏览记录
ID:479852
大小:246.50 KB
页数:35页
时间:2017-08-09
《基于粒子群算法的图像聚类研究及实现【计算机科学专业】【毕业设计+文献综述+开题报告】》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、( 20 届)本科毕业论文基于粒子群算法的图像聚类研究及实现摘要:图像聚类是数据挖掘中一项重要技术,其好坏将直接影响后续图像处理与分析任务的质量。图像聚类是指借助于无监督的学习过程去发现图像中的隐藏模式,它具有独立发现知识的能力。粒子群算法(ParticleSwarmOptimization,PSO)属于进化算法的一种,它与遗传算法相似,也是从随机解出发,通过迭代寻找最优解。然而,粒子群算法比遗传算法的规则更为简单,即没有交叉和变异操作,可以通过追随当前搜索到的最优值来寻找全局最优。鉴于粒子群算法具有实现容易、精度高、收敛快等优点,
2、经常被用来解决实际应用中的优化问题。本文提出了一种基于粒子群算法的图像聚类方法,有效弥补了基于K-MEANS的图像聚类方法无法对图像进行有效聚类的缺陷。本文中提出的方法在图像数据集上进行了仿真实验验证。关键字:图像聚类;粒子群算法(PS0);优化问题;迭代处理ResearchandImplementationofImageClusteringBasedonParticleSwarmOptimizationAbstract:Imageclusteringisanimportanttechniqueindatamining,anditw
3、illaffectthequalitiesofthesubsequentimageprocessingandanalysistasks.Imageclusteringisalsoanunsupervisedlearningprocessforfindingthehiddenmodelinanimage,havinganindependentabilityofdiscoveringknowledge.PSOisakindofevolutionaryalgorithm,similartogeneticalgorithm,whichisb
4、asedonarandomsolutionandfindsanoptimalsolutionthroughiterations.However,itsruleissimplerthangeneticalgorithm,theformerhasneithercrossovernormutationoperations,butitfindsaglobaloptimumbyfollowingtheoptimalvalueduringthecurrentsearch.PSOisoftenappliedinsolvingpracticalpr
5、oblems,sinceithastheadvantagesofeasytoimplement,highaccuracyandfastconvergence.Inthispaper,wepresentanimageclusteringmethodbasedonPSO,whichsolvestheproblemsoftraditionalK-MEANS-basedmethodthatfailureinimageclustering.Theproposedmethodwasconductedonanimagesetforvalidati
6、ngitsperformance.Keywords:imageclustering;ParticleSwarmOptimization(PSO);optimizationproblem;iterationpeocessing目录1引言11.1课题背景、意义11.2研究的基本内容及解决的问题21.2.1研究的基本内容21.2.2解决的问题22聚类的相关研究32.1聚类简介32.2对聚类的典型要求32.2.1可伸缩性32.2.2处理不同类型属性的能力32.2.3发现任意形状的聚类32.2.4高维度42.2.5可解释性和通用性42.3典型
7、的聚类算法42.3.1K-MEANS算法42.3.2K-MEDOIDS算法42.3.3Clara算法52.3.4Clarans算法52.4聚类的用途53粒子群算法73.1粒子群算法简介73.2基本的粒子群算法73.2.1粒子群算法原理73.2.2算法介绍73.2.3粒子群算法的参数设置84基于粒子群算法的聚类算法104.1传统的聚类算法104.1.1K-MEANS算法简介104.1.2K-MEANS算法流程104.1.3K-MEANS算法的缺点114.2粒子群聚类算法114.2.1算法流程114.3实验部分144.3.1MATLAB
8、简介144.3.2使用的公式144.3.3实验原理144.3.4算法实现154.3.5算法结果184.3.6算法结论185结论205.1总结206致谢211引言1.1课题背景、意义图像聚类是数据挖掘中一项重要技术,图像聚类的好坏将直接
此文档下载收益归作者所有