基于区域生长和模糊C均值聚类的图像分割方法

为了合理地确定运用模糊C均值(FCM)聚类方法进行图像分割时的聚类中心数,从而对图像进行合理区域分割,提出了基于区域生长和FCM聚类的图像分割方法.该方法可以利用区域生长合理地确定要聚类的中心数,然后再依此聚类中心数利用FCM聚类算法对图像进行分割.实验结果表明,该方法可以准确地分割出目标,是一种有效的图像分割方法.     

融合改进FT显著性与Grabcut的图像目标分割算法

针对目前复杂度较大的图像中目标分割速度较慢、显著性边界分割不明确等问题,提出了一种融合改进的FT（Frequency-tuned）显著性检测与Grabcut的图像分割算法。该算法首先通过改进基于频率调谐的FT显著性检测方法得到图像中显著性较高的区域,并利用SLIC（Simple Linear Iterative Clustering）算法对显著图进行预处理得到超像素图,能够有效改善边界的分割效果,然后通过以图论GraphCut算法为基础改进的Grabcut算法建立高斯混合模型。为了提高算法效率,通过聚类以超像素代替原像素,并反复迭代高斯混合模型（Gaussian Mixed Model,GMM）参数,最后利用最大流最小割算法得到最优目标分割结果。实验结果表明所提算法能够更准确更高效率地分割图像中的显著性目标,对高分辨率图像也有很好的适用效果,相比于其他算法在分割精度上提高10%左右,并具有较高的分割效率。     

一种TDMA信号用户盲分离方法

时分多址（Time Division Multiple Access，TDMA）信号用户分离作为TDMA信号第三方侦收的重要环节，是后续用户内涵信息解译组报、目标测向定位的前提条件。在未知网台规格情况下，无法通过解译用户ID或网控信令的方式对多用户进行分离。基于TDMA信号物理层特征，提出了一种基于DBSCAN（Ddensity-based Spatial Clustering of Applications with Noise）聚类算法的TDMA信号用户盲分离方法。通过对TDMA信号的时频域特征进行提取和聚类，实现对多用户突发时隙进行分离，并利用仿真数据和实际网台数据进行了算法验证。该算法具有良好的抗噪声性能和较高的正确分选率。     

一种结合空谱聚类的高光谱图像快速压缩算法

对高光谱图像进行快速压缩已经成为了高光谱遥感领域的研究热点。针对现有的高光谱图像数据量大和压缩所需运算量大的问题，提出了一种基于频段聚类+主成分分析(PCA)与空间分类相结合的高光谱图像快速压缩算法。首先利用最大相关度频段聚类算法(MCBC)将频段聚类，接着将每一类频段用PCA压缩，然后将压缩后的图像利用聚类信号子空间投影(CSSP)算法进行图像分类，最后在每一类内利用LBG(Linde Buzo Gray)算法通过矢量量化快速完成高光谱图像的编码。在不同的压缩比下进行实验，结果表明提出的高光谱图像压缩算法能在保证良好的图像恢复质量的前提下，大幅度降低运算复杂度，实现高光谱图像的快速压缩。     

一种基于Levy-人工蜂群的三维Otsu阈值分割算法

针对图像分割过程中三维Otsu算法运算时间长、计算量大的问题,提出了一种基于Levy-人工蜂群算法的三维Otsu阈值分割算法。首先,以像素灰度值-邻域均值-邻域中值的三维类间方差作为人工蜂群算法的适应度函数;其次,采用Levy飞行模式评价像素的适应度,对其种群更新及邻域搜索过程进行优化,以增强其全局搜索能力;最后,利用改进后的算法得到的分割阈值对图像进行分割。仿真实验结果表明,与传统三维Otsu阈值分割算法相比,所提算法能够有效降低图像存储空间,处理时间降低了30.8%,具备更好的抗噪性能,分割效果也更为理想。     

多分类器融合的快速高维特征聚类图像分割

提出一种多分类器融合的快速高维特征聚类图像分割方法,将图像高维 特征数据的分类分解为基于灰度(颜色)特征的最佳模糊分类以及基于空域约束的统计分类等 多个低维特征数据的分类。通过多分类器融合的方法将不同分类器得到的分类结果进行优化 整合,得到最后的分类结果。实验证明：与其它图像分类算法相比,该方法拥有更好的分 割性能并大大提高了计算速度,最大限度地保证了分割算法计算的简单有效性。     

一种基于Hopfield网络的MRI图像分割方法

磁共振成像（ＭＲＩ）是临床中一种重要的非介入式成像诊断方法。本文提出了一种基于Ｈｏｐ ｆｉｅｌｄ网络的ＭＲＩ图像分割算法。在无教师监督的情况下,神经网络在其能量最小化过程中,逐渐趋于特征聚类空间的一个稳定状态,因而可以实现图像的分割。     

基于局部阈值的图像分割方法

本文提出了一种基于局部阈值的图像分割方法，该方法针对全局阈值处理方法在背景照明不均匀时可能无效的局限性，通过应用形态学开运算、闭运算和最大类间方差得到一个局部变化的阈值函数，然后利用该阈值函数对图像进行阈值处理，最后得到分割后的图像。Matlab仿真实验表明，该方法运算速度快，能更好的抑制噪声。     

基于优化RBF神经网络的无线室内定位

针对径向基函数（Radial Basis Function,RBF）神经网络算法在无线网络室内定位中拓扑结构和网络参数难以确定,其定位效果不理想的问题,提出了一种用核主成分分析的模糊C均值聚类算法（Fuzzy C-Means clustering algorithm based on Kernel Principal Component Analysis,KPCA-FCM）和模拟退火自适应遗传算法（Simulated Annealing adaptive Genetic Algorithm,SAGA）优化RBF神经网络的无线室内定位算法。首先利用KPCA对原始训练数据样本进行数据预处理,再通过KPCA-FCM算法计算出最优聚类数目和聚类中心点;其次将聚类数目和聚类中心点作为隐含层神经元个数和中心值,创建RBF神经网络,并将其网络参数映射到SAGA算法中;再次由SAGA算法进行网络参数寻优,把最优的解映射回RBF神经网络;最后利用样本数据对RBF神经网络进行训练和测试,完成建立RBF神经网络算法模型。实验表明,在相同的环境中,所提算法比传统RBF神经网络定位精度提高了48.41%。     

数据挖掘中聚类算法研究

随着数据挖掘技术的发展,作为数据挖掘中重要方法之一的聚类分析,先后出现了许多聚类算法。这些聚类算法均有其自身的优缺点。为了方便用户找到适合的聚类算法,本文根据不同的聚类原理对聚类算法进行分类,并概述了各类算法的发展情况。针对聚类的典型要求,归类出了一些有代表性的算法,同时对它们进行了分析和评价。文章最后给出了几种常用聚类算法的性能比较,并对聚类算法的发展进行展望。     

外部非局部自相似先验的图像去噪

针对在噪声水平比较高的情况下难以从噪声图像本身提取准确先验信息的问题,提出一种从外部干净图像数据集学习非局部自相似先验信息的图像去噪方法。首先用高斯混合模型学习外部干净图像的非局部自相似先验信息,其次利用最大后验概率估计的方法找到与噪声图像块最匹配的外部先验信息,最后利用外部先验对噪声图像块进行稀疏表示。实验对比表明,所提算法在去除噪声的同时可以较好地保留图像的细节信息,使图像数据集的平均峰值信噪比提高0.18 dB以上。     

基于EEMD和DTW相结合的故障识别算法

提出了一种集成的经验模式分解(EEMD)算法和动态时间规整(DTW)算法相结合的故障识别算法。该算法首先利用正态分布白噪声在经验模式分解中具有的二进尺度分解特性,利用EEMD算法对实验样本与参考样本进行处理以去掉样本信号的非平稳性和噪声,然后对未知的实验样本与已知的参考样本之间的相似性利用DTW算法进行评价,采用它们之间的最短距离来进行分类,从而达到故障识别。最后将此算法应用到Tennessee Eastman过程的故障识别中。仿真结果表明基于EEMD和DTW相结合的算法能够准确地进行故障识别,而仅采用普通的DTW算法则存在一定的误差。     

WLAN信号特征算法的研究

本文对位置指纹定位算法的过程进行了分析,对匹配算法进行了仿真比较并将KNN算法作为本文检验定位精度的算法。在提高定位精度方面,本文提出采用对信号功率谱的对数平均值进行KL变换,以减小信号采集过程中混入的噪声对定位精度造成的影响;在减少工作量方面,本文提出利用改进的K均值聚类算法将定位区域分区,然后在每个子区域选择位置分辨能力较强的AP用于定位,提高在线阶段的定位实时性。     

改进蚁群算法在物流配送点选址中的应用

将现有的蚁群聚类算法进行改进,提高聚类性能,并通过仿真实验实现了数据集的聚类。结果表明新算法能加快聚类速度,得到较好的聚类结果。根据物流配送点选址问题的特点,在降低运输成本的基础上,利用改进的蚂蚁聚类算法可求解选址数学模型精确解。实例求解表明蚂蚁算法获得了较满意的效果。     

基于数学形态学预处理的Canny边缘检测算法

为了更好地提取图像边缘信息并且抑制噪声,结合Canny算法及数学形态学在图像边缘检测中的应用,文章设计了一种基于数学形态学预处理的Canny边缘检测算法。通过将该算法与一般边缘检测算法以及Canny算法的仿真结果进行比较,可以发现该算法在边缘检测及消除噪声方面具有更优的性能。     

基于谱聚类的用户关联关系挖掘

为了从用户地理空间分布数据中挖掘用户间关联关系,提出了一种基于谱聚类的关联关系挖掘算法。首先定义了关联度,用以衡量用户之间空间分布的相似性,基于关联度构造相似矩阵,再利用谱聚类方法对用户进行聚类分析,聚类结果表征了用户的关联关系。采用Silhouette指标和聚类准确率来衡量用户关系挖掘质量,同时与传统的K-Means方法进行了比较,通过真实数据集实验,结果表明该算法在实验数据集上能达到90%以上的聚类准确率,证明方法有效、可行。     

基于数据流聚类的动态信号分选框架

为了解决雷达信号分选中准确性与实时性相矛盾的问题,提出了一种基于数据流聚 类的动态信号分选框架。该框架分为在线和离线两部分,在线部分利用网格帧保存侦察数据 的概要信息;离线部分通过网格聚类算法对网格帧进行聚类分选,并得到分选结果。仿真实 验表明,该框架能够分选高密度复杂侦察数据流,对噪声不敏感,且无需先验知识支撑,能 够较好地满足信号分选准确性和实时性的需要。     

一种基于区域搜索的全局运动估计与补偿算法

开展全局运动估计与补偿研究是进行动态目标检测中的基础和前提。在总结现有运动估计与补偿方法的基础上,提出一种基于图像分割区域的运动性和大小的全局运动估计与补偿算法。首先,通过建立区域搜索的全局运动模型,同时进行区域定性分割和区域大小排序;然后,根据误差最小化准则在指定的分割区域中进行线性递归搜索,利用门限准则寻找出最佳的运动估计参数;最后,根据双线性内插法获得运动位移量。实验结果比较可知,所提算法较三步搜索算法(TSS)和全局搜索算法(FSA)等传统算法具有更高的准确性(图像平移帧差)和实时性(算法运行时间),能够很好地实现运动背景的全局校正。     

Bootstrap在商业银行资产负债评价中的运用

Bootstrap方法是一种利用样本信息来估计总体的非参方法,聚类分析方法是将样本或变量进行归类评价的一种多元统计方法。基于bootstrap抽样法和系统聚类技术对我国部分商业银行的资产负债况进行分析,聚类结果将各个商业银行的资产负债情况分为3类。     

图像分割方法的比较研究

在计算机视觉的相关研究中,图像分割是连接低级视觉和高级视觉的桥梁和纽带,而图像分割是计算机视觉系统中最关键和重要的一个环节。在概要介绍几种常用图像分割方法的基础上,比较了每种图像分割算法的优缺点及其适应范围,结果表明：不同工程应用中,应根据其需求与图像特点合理采用不同的图像分割方法以达到更好的处理效果。