模式识别——冯军美.docVIP

研究生专业课程考试答题册 得分： 学号 姓名 冯军美 考试课程 模式识别 考试日期 2014.7.10 西北工业大学研究生院 一、研究论述题1．研究现状及方向主要算法方法．算法． 要求：：小四体小四体正文参考文献：宋体（）参考文献：按引用顺序排序在正文中用上标标明参考文献的引用处行间距1.3行距、算法编程利用C/C++语言编程实现算法。 要求： 1）程序编制应具有规范性，程序中的变量、自编函数/子程序、各功能模块及关键命令行应有注释说明。 附源程序及、研究论述题研究现状及方向目标轮廓提取是图像分割重要研究内容现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。图像分割在图像工程中起着承上启下的作用，是介于低层次处理和高层[1]。目前越来越多的学者开始将数学形态学、模糊理论、遗传算法理论、分形理论和小波变化理论等研究成果运用到图像分割中，产生了结合特定数学方法和针对特殊图像分割的先进图像分割技术。 图像分割技术发展趋势： 1°.多种特征融合的分割方法。 除利用图像的原始灰度特征外，我们还可以利用图像的梯度特征、几何特征(形态、坐标、距离、方向、曲率等)、变换特征(傅立叶谱、小波特征、分形特征等)及统计学特征(纹理、不变矩、灰度均值等)等高层次特征，对于每个待分割的像素，将所提取的特征值组成一个多维特征矢量，再进行多维特征分析。通过多种特征的融合，图像像素能被全面描述，从而获得更好的分割结果[2]。 2°. 多种分割方法结合的分割方法。 由于目标成像的不确定性以及目标的多样性，单一的分割方法很难对含复杂目标的图像取得理想的分割结果。此时，除需要利用多种特征融合外，还需将多种分割方法结合，使这些方法充分发挥各自的优势，并避免各自的缺点。采用哪种方式结合以获得良好的分割效果是这种方法研究的重点。 K均值聚类属于数据挖掘技术。数据挖掘主要的算法有分类模式、关联规则、决策树、序列模式、聚类模式分析、神经网络算法等等。聚类是数据挖掘中的一个非常重要的研究课题。 数据挖掘研究现状[3]： 目前,国外数据挖掘的最新发展主要有对发现知识的方法的进一步研究,如近年来注重对Bayes(贝叶斯)方法以及Boosting方法的研究和改进提高;KDD与数据库的紧密结合;传统的统计学回归方法在KDD中的应用。 数据挖掘的热点研究方向[4]： 网站的数据挖掘（Web site data mining）、生物信息或基因（Bioinformatics/genomics）的数据挖掘及其文本的数据挖掘（Textual mining）、空间地理数据挖掘和视频数据挖掘。 2. （10分）论述上述研究领域中，目前的主要算法方法1°. 基于边缘的分割方法°. 基于区域的分割方法 基于区域的分割方法主要包括阈值法和区域分割算法两种。 阈值法：常用的阈值选取法有利用图像灰度直方图的双峰法、最大类间方差法、迭代法、灰度拉伸法、最小误差法等。现有的大部分算法的关键都集中在阈值确定的研究上。