计算机应用技术论文：图像分割模糊C均值粒子群优化算法混沌粒子群优化算法.docVIP

计算机应用技术论文：模糊聚类与粒子群算法在图像分割中的应用研究 【中文摘要】图像分割是数字图像处理的一个重要组成部分,也是图像处理当中一个最基本的技术。图像分割的就是将人们所需要的目标区域从背景中分割出来。聚类分析是一种常见的数据分析工具,是将数据集分为由类似数据组成的多个簇的过程。聚类分析被广泛应用于图像分割、数据挖掘、模式分类、医学诊断和机器学习等方面。在众多的图像分割算法中,基于聚类分析的图像分割算法是图像分割领域中一类极其重要和应用相当广泛的算法,其中,使用得最普遍的算法是模糊C均值聚类算法(Fuzzy C-Means clustering, FCM)。FCM算法在模糊聚类理论中占有重要的地位,作为一种无监督聚类算法,它具有很好的收敛性。但是,FCM算法也存在许多不足之处,比如受噪声影响比较大,对初始值有较大的依赖性,容易收敛于局部极值,特别是在聚类样本数量较大的情况下更为突出。因此,对FCM算法中的隶属度函数进行改进,并且引入全局寻优能力强大的粒子群算法可以解决这方面的问题。1.聚类技术被广泛应用于图像分割,但由于基于聚类技术的图像分割常常是对单个像素点的分割,并没有考虑到空间信息特征,所以分割后的图像常常带有很多噪声点,影响图像的分割效果;另一方面,由于图像的... 【英文摘要】Image segmentation is an important component of digital image processing and it is a basic technique of image processing. The purpose of segmentation is to separate out target areas that people need from background. Cluster analysis is a common data analysis tools, it is the process to divide a data set into multiple similar data clusters. Clustering technology is widely used in image segmentation, data mining, pattern classification, medical diagnosis and machine learning. In the numerous segmentation algo... 【关键词】图像分割 模糊C均值 粒子群优化算法 混沌粒子群优化算法 【英文关键词】image segmentation Fuzzy C-Means (FCM) Particle Swarm Optimization (PSO) Chaos Particle Swarm Optimization (CPSO) 【目录】模糊聚类与粒子群算法在图像分割中的应用研究 摘要 4-5 Abstract 5-6 第一章 绪论 10-20 1.1 论文选题的背景和意义 10-11 1.2 论文选题的国内外研究现状 11-18 1.2.1 图像分割技术的国内外研究现状 11-15 1.2.2 聚类技术的国内外研究现状 15-16 1.2.3 粒子群优化算法的国内外研究现状 16-18 1.3 本论文的主要研究工作和结构安排 18-20 第二章 聚类分析及其算法 20-28 2.1 聚类分析 20-22 2.1.1 聚类分析的定义 20 2.1.2 相似性度量 20-22 2.2 常见的聚类算法 22-24 2.2.1 基于划分的聚类算法 22-23 2.2.2 基于层次的聚类算法 23 2.2.3 基于密度的聚类算法 23-24 2.2.4 基于网格的聚类算法 24 2.2.5 基于模型的聚类算法 24 2.3 模糊C 均值聚类算法 24-28 2.3.1 模糊C 均值聚类算法的理论基础 25-26 2.3.2 模糊C 均值聚类算法流程 26 2.3.3 模糊C 均值聚类算法的优缺点 26-28 第三章 粒子群优化算法 28-37 3.1 引言 28 3.2 基本粒子群算法 28-30 3.2.1 基本粒子群算法流程 29-30 3.2.2 粒子群算法参数设置 30 3.3 标准粒子群算法 30-32 3.3.1 一般的惯性因子设计 30-31 3.3.2 标准粒子群算法流程 31-32 3.3.3 基于模糊系统的惯性因子的动态调整 32 3.4 带收缩因子的粒子群算法 32-33 3.5 粒子群算法与其他算法的比较 33 3.5.1 基于梯度的优化算法 33 3.5.2 进化计算方法 33 3.6 粒子群优化算法的复杂度 33-35 3.6.1