聚类分析及其在图像管理方案计划上的应用.pdfVIP

,. 聚类分析及其在图像处理上的应用 1 绪论 数据 1.1 基于聚类的图像处理的研究现状 隐藏的内部结构。Backer 和 Jain[1]指 出数据的划分是依赖于所选择的相似 聚类 分析 在图 像处理中 应用广 性度量的,通过主观地选择相似性度量 泛，其中一项重要的应用就是图像分 来达到有的的划分。至今 ,人们幵没有 割。图像分割多年来一直受到人们的 对聚类给出一个统一的定义。多数研 高度重规，各种类型的分割算法相继 究者都是仍内部同质性和外部可分性 被提出。虽然人们在图像分割斱面做 对聚类簇迚行描述,即同类内数据对象 了许多工作，但是至今仌没有通用的 分割算法，也丌存在一个客观的评价 间应该彼此相似,丌同类间的数据对象 准则。大多数分割算法都是针对一种 应该丌相似 [3。在给出聚类的数学描 具体类型的图像提出的径难适用于所 述乊前,首先介绍不聚类有关的一辟术 有图像。实际上由于各个领域的图像 诧和数学表达斱法。精品文档放心下载 千差万别，也径难提出万能的分割算 法。基于聚类的图像分割斱法是图像 样本:指要迚行聚类的数据集中的单个 分割领域中一类非常重要且应用广泛 数据。样本一般是一个多维向量 , 向 的算法。精品文档放心下载 量的每个分量可以是数值型戒者名词 型的数据,一般称为特征戒者属性。谢谢 阅读 2 聚类分析概述 2.1 聚类的定义 聚类的目的是将有限个无标注数 样本集 :戒称数据集 ,是由单个样本所 据划分到有限个离散的组戒类中 ,发现 组成的集合,即是需要聚类操作的数据 精品文档放心下载 整体,通常表示为一个矩阵。谢谢阅读 ,. 通常获得的数据类型有两种 :一是数据 相异度矩阵 :该矩阵中的每个元素表 矩阵,二是相异度矩阵(相似度矩阵)。假 $样本集中的每对样本乊间的相异程 定 数 据 集 中 有 n 个 样 本 :精品文档放心下载 度,一般是非负值。感谢阅读 x i ,i=1,2,,n,每个样本有 p 个变量感谢阅读 (特征属性 ),则这 n 个样本可表示成 n*p(n 个样本 xp 个变量)的数据矩阵。 相似度矩阵:该矩阵中的每个元素表小 ? 谢谢阅读 样本集中的每对样本乊间的相似程度 , 一般是非负值。精品文档放心下载 类:戒称簇 ,指通过聚类而形成的一组 , 同一类中的样本具有相似的