聚类分析数学建模论文.docxVIP

聚类分析数学建模论文 　　评阅编号：　　西北大学数学建模竞赛　　编号专用页　　评阅编号(由校组委会评阅前进行编号):　　评阅记录:　　评奖结果:　　世界上没有两片相同的叶子　　摘要　　本文通过分析叶子图片，建立了形状、边缘、颜色特征的数学模型，使得任意给出测试的叶子图片，我们能判断出它为某种树叶的概率，对于大量的树叶样本图片我们可以根据特征的相似性大小进行分类。　　在问题一中，我们给形状、边缘、颜色特征分别建立数学模型并将这些特征数字化。对于形状我们又将其细分为表面积、矩形度、伸长度，但是观察所给的数据叶片有可能发生旋转、平移、伸缩，为了克服这些外在因素造成的误差，我们添加不变Hu特征，这样我们的特征描述就比较细致。对于边缘这一特征，由于叶子边缘函数没有规范性，而且在二维上表示，这样对我们的研究带来很大困难，所以我们通过傅里叶描述子将二维图像通过复坐标的形式降到一维，从而简化了问题。对于颜色这一特征，我们将用颜色矩来表示。与颜色直方图相比，该方法的另一个好处在于无需对特征进行向量化。　　在问题二中，通过分析有关叶子的形状，边缘，颜色的数据可以得出叶子的形态学数据是服从正态分布的，因此我们可以算出叶子的每个形态学数据样本的均值和方差，即可得到样本每一个形态学数据的高斯分布图，但比较两种叶子的同一个形态学数据的时候在一个图像中却显示了两个正态分布的图像。所以综合多种特点，我们选择用贝叶斯分类器对给出的测试叶子计算为某种叶片的概率。　　在问题三中，我们将叶片的相似性转化为数学语言，即距离。把每个样品看做一个点，将它们对应的特征值为点的值，通过欧几里得距离的大小来判断叶片的相似性。在这一问中我们分别考虑了独立形状、边缘、颜色和综合考虑这些特征，得出了特征越多，分化越细。并且在这一问中我们通过谱系图的建立使得分类结果更清晰。　　关键词不变Hu矩阵法，贝叶斯算法，聚类分析　　一、问题描述　　1、通过对所给的二百二十组叶子图片的观察，发现形状，边缘，颜色是区分不同种类叶子的最显著特征，所以我们的目的就是将叶子的形状，边缘，颜色特征通过函数数字化，从而定量的分析了不同种类叶子的特征是不同的。　　2、同一类植物的两片叶子特征经过同一个函数计算，其值不可能完全相同，所以我们需要根据问题一的模型算出给出的测试叶子有可能是那种植物，它的概率有多大。　　3、对于任意给出的大量叶片，根据叶子特征的相似性，将这些叶子进行归类。　　二、问题分析　　问题一：题目中给出的只有叶子的图片，我们只能通过肉眼看出它的形状、颜色、边缘。要求出数学模型，将图片数字化就需要知道图片在计算机中的存储方式。它是被分成像素，用每个像素的灰度值去存储。这样一来我们就可以将图片用离散的点来表示。从而构建了它们的特征模型。　　问题二：要想知道所给叶子是什么叶子，就要综合考虑它们的特征，但是叶片的三个特征是相互独立的。如何能综合多个特征求概率就是我们要解决的。　　问题三：叶子的相似性就是由他们的特征所决定，这在问题一将被解决。根据这些特征将叶子进行分类，所以选取那种分类方法就是本问题的关键。　　三、基本假设　　1、叶片没有残损卷曲　　2、不考虑纹理特征　　四、符号说明　　1　　五、模型的建立与求解　　问题一：　　形状模型建立与求解：　　图像在计算机里被分成像素，每个像素的灰度值f?x,y?被整数化。为了防止图片平移，旋转，缩放带来的误差，我们首先将图片归一化，使之变为具有固定标准形式。不考虑图片颜色我们将在形状方面忽略颜色的影响，即将其灰度化，设灰度化后的图像二值矩阵为gij(i?1,2?n,j?1,2?m)。我们将形状分为了十个特征来描述:表面积A、矩形度R、伸长度E以及不变Hu矩阵的七个不变特征。对于不变Hu矩阵的七个不变特征，我们选择用二阶和三阶中心距来构造，因为这样能使它们在连续图像变换下可以保持平移、缩放、旋转不变。　　形状模型如下:　　H?max?gij，W?maxi?1,2?nj?1mj?1,2?m?gi?1nij　　R?A；H?W　　E?min?H,W?；maxH,WHW　　mpq???xpyqf?x,y?　　y?1x?1　　?pq????x?x??y?y?f?x,y?；q　　y?1x?1HWp　　归一化的中心距离定义为：　　?pq　　七个不变矩M1~M7为?pqp?q??，其中??2?00　　M1??20??02　　M2?(?20??02)2?4?112　　2　　多元统计分析中的降维方法在四川省社会福利中的应用　　由于计算机的发展和日益广泛的使用，多元分析方法也很快地应用到社会学、农业、医学、经济学、地质、气象等各个领域。在国外，从自然科学到社会科学的许多方面，都已证实了多元分