论文范文网-权威专业免费论文范文资源下载门户!
当前位置:毕业论文格式范文>论文范文>范文阅读
快捷分类: 聚类分析论文 a类期刊有哪些 机械类杂志 医药类期刊 国家级教育类期刊 交通类期刊 matlab聚类分析参考文献 聚类算法开题报告 聚类分析参考文献 聚类分析文献综述 聚类算法文献外文翻译 聚类分论文

关于聚类论文范文 特征选择和聚类分析的图像分类模型相关论文写作参考文献

分类:论文范文 原创主题:聚类论文 更新时间:2024-02-03

特征选择和聚类分析的图像分类模型是关于对不知道怎么写聚类论文范文课题研究的大学硕士、相关本科毕业论文聚类论文开题报告范文和文献综述及职称论文的作为参考文献资料下载。

摘 要: 针对当前图像分类模型无法满足实际应用要求的难题,为了得到更优的图像分类效果,提出特征选择和聚类分析相融合的图像分类模型.首先提取图像的原始特征,采用主成分分析对图像特征进行选择,然后采用聚类分析算法对图像样本进行处理,选择与待分类图像相关的样本,减少训练样本的规模,最后采用支持向量机建立图像分类器,对标准图像库中的图像进行分类实验.实验结果表明,该模型减少了图像分类的特征和图像分类的训练样本,加快了图像分类建模的速度,同时图像分类正确率明显高于其他图像分类模型.

关键词: 图像处理; 原始特征; 聚类分析算法; 图像分类器

中图分类号: TN911.73?34; TP181 文献标识码: A 文章编号: 1004?373X(2017)19?0079?04

Image classification model based on feature selection and clustering analysis

PENG Juan

(Chongqing Institute of Engineering, Chongqing 400056, China)

Abstract: Aiming at the problem that the current image classification model cannot meet the requirements of practical application, an image classification model based on feature selection and clustering analysis is proposed to obtain better results of image classification. First, the original image features are extracted and the principal component analysis (PCA) is used to select the image features. Then, the clustering analysis algorithm is adopted to process image samples, select samples relevant to the images waiting for classification, and reduce the scale of training samples. Finally, the support vector machine is used to construct the image classifier and classification experiments are carried out for images in the standard image database. The results show that, by using this model, the features and training samples of image classification are reduced, the image classification modeling is sped up, and the correctness of image classification is obviously higher than that of other image classification models.

Keywords: image processing; original feature; clustering analysis algorithm; image classifier

0 引 言

图像分类是图像处理研究领域中一个重要方向,广泛应用于军事、工业生产、图像分析、医学以及环境保护等领域[1].图像分类过程十分复杂,到目前为止,图像分类过程还存在一些待解决的难题,获得理想的图像分类效果面临巨大挑战[2?3].

特征提取和选择是获得理想图像分类结果的基础[4].当前图像分类特征很多,如纹理特征、颜色特征等,为了更好地描述图像类别信息,人们尽可能多的提取图像特征,使得图像的特征数量急剧增加[5].图像特征数量大给图像分类带来两个方面的难题:一是图像分类器的输入维数高,结构十分复杂,设计合理结构的图像分类器难度增加,使图像分类速度急剧变慢;二是特征数量增加,特征之间不可避免地存在一定的线性或者非线性关系,特征之间的信息冗余更加严重[6?7].为了解决特征数量大的难题,通常情况下对图像进行降维处理,当前特征降维方法众多,如判别分析[8],由于判别分析只能选择图像分类的线性特征,特征选择的速度慢,应用效果不太明显[9].主成分分析(PCA)是一种性能优异的特征降维算法,在有效降低特征维数的同时,去除了图像特征之间的相关性,成为当前图像分类特征主要选择的算法.训练样本选择是保证获得分类正确率高的关键技术,训练样本数量太多,图像分类训练时间增加,而且一些无效训练样本对图像分类结果产生干扰,反而使得图像分类正确率下降[10?11].聚类分析算法可将训练样本划分为不同的类别,根据每一种类别与待分类图像样本间的关系,选择最优样本组成训练样本,降低训练样本的规模,改善图像分类的效率[12].

针对当前图像分类模型无法满足实际应用要求的难题,为了得到更优的图像分类效果,提出特征选择和聚类分析相融合的图像分类模型.实验结果表明,该模型减少了图像分类的特征和圖像分类的训练样本,加快了图像分类建模速度.

1 图像分类模型的结构

基于特征和聚类分析的图像分类思想:采用主成分分析算法解决图像分类特征选择问题,采用聚类算法解决图像分类训练样本的选择问题,最后采用支持向量机设计图像分类器,该模型的结构如图1所示.

总结:这篇聚类论文范文为免费优秀学术论文范文,可用于相关写作参考。

参考文献:

1、 指标选择对聚类分析结果影响分析(下) 摘 要:文章以中国17家港口上市企业为研究对象,在基本财务分析基础上,选择17个具有代表性的财务指标构建财务竞争力指标体系,选取2015年的截面。

2、 粒子群优化算法选择特征的运动图像分类 摘 要: 为了提高图像分类的效果,考虑当前方法准确实现图像分类的难题,提出粒子群优化算法选择特征的运动图像分类方法。对当前运动图像分类方法的研究。

3、 基于动态粒子群优化和Kmeans聚类图像分割算法 摘 要: 为了解决K?means聚类算法图像分割质量过度依赖于初始聚类中心选取,且易于陷入局部最优解等问题,提出一种基于动态粒子群优化(DPSO。

4、 基于聚类分析智慧城市事部件数据 [摘 要]在智慧城市的建设过程中,大量运行数据伴随着城市管理事部件的处置产生并积累。为分析此类数据,本文利用聚类分析技术,以温岭市太平街道为例,。

5、 基于聚类改进KANO模型B2C网站质量要素 [摘 要] B2C网站质量极大的影响其顾客购买意愿和使用黏性,同时随着市场竞争的日益激烈,对网站改善策略的思考也在不断丰富与深入。对于B2C网站。

6、 聚类分析在郫县烟草卷烟营销方面应用 摘 要:“大数据时代”的来临,为新时期郫县烟草的转型提升提供了创新的发展思路。为准确研判市场、实现精准营销,调研了郫县卷烟市场,用聚类分析、层次。