研究目的和意義:

隨著信息技術(shù)的高速發(fā)展，數(shù)據(jù)的收集與存儲(chǔ)技術(shù)不斷進(jìn)步，導(dǎo)致大量的數(shù)據(jù)積累下來(lái)，要從海量數(shù)據(jù)中提取有用的信息成為一項(xiàng)挑戰(zhàn)。在這種情況下，數(shù)據(jù)挖掘技術(shù)誕生了，數(shù)據(jù)挖掘是從大量有噪聲的、模糊而隨機(jī)的數(shù)據(jù)中提取出對(duì)人們有用的信息，這些信息可能不被人們預(yù)先知曉，但又存在著潛在的價(jià)值。分類和聚類分析都是數(shù)據(jù)挖掘中的主要功能。所謂分類，是根據(jù)預(yù)先定好的一些特征值對(duì)數(shù)據(jù)進(jìn)行分類，這里的類是預(yù)先確定好的，只需要將各個(gè)數(shù)據(jù)具體屬于哪一類標(biāo)記出來(lái)。與分類不同，在聚類過(guò)程中，人們不必事先給出聚類準(zhǔn)則，也不需要任何先驗(yàn)知識(shí)，僅僅從數(shù)據(jù)本身出發(fā)，自動(dòng)進(jìn)行分類。因而聚類分析又稱為無(wú)監(jiān)督分類。

聚類算法作為聚類分析的有力工具，已被廣泛應(yīng)用于許多領(lǐng)域中，例如在圖像處理中進(jìn)行圖像分割，在模式識(shí)別中進(jìn)行語(yǔ)音識(shí)別等。本課題研究的是模糊C-均值（FuzzyC-means，F(xiàn)CM）聚類算法在圖像分割中的應(yīng)用。事實(shí)上，由于圖像的復(fù)雜性，圖像中的某個(gè)像素點(diǎn)到底屬于圖像分割的那個(gè)區(qū)域是不確定的，這也說(shuō)明了圖像的模糊性與不均勻性，所以一般的聚類方法已不能滿足人們對(duì)圖像分割的需求。模糊理論的出現(xiàn)恰好能解決這一問(wèn)題，將模糊理論應(yīng)用于聚類形成模糊聚類，所以圖像分割就可以從模糊聚類的角度來(lái)進(jìn)行。模糊聚類算法作為圖像分割的有力工具，未來(lái)對(duì)圖像分割算法的深入研究將顯得很有意義。故本課題研究的FCM聚類算法是一種能有效針對(duì)圖像中模糊性與不均勻性的圖像分割算法，該算法令圖像中的每一個(gè)像素點(diǎn)都對(duì)各類有一定的隸屬度值，取值范圍為[0,1]，另外由于該算法具有非監(jiān)督模糊聚類的特性，所以利用這一特性進(jìn)行圖像分割，可以減少人為干預(yù)，自動(dòng)完成分割。www.628tf.com

課題研究現(xiàn)狀:

FCM聚類算法描述簡(jiǎn)單，易于實(shí)現(xiàn)，是目前應(yīng)用較廣泛的一種模糊聚類圖像分割算法。但傳統(tǒng)FCM聚類算法在圖像分割存在著很多問(wèn)題，例如初始值難以確定、分割圖像時(shí)對(duì)噪聲敏感、空間領(lǐng)域信息被忽略等問(wèn)題。目前，許多研究學(xué)者在FCM聚類算法的基礎(chǔ)上進(jìn)行了多種的改進(jìn)，大致分為兩方面的改進(jìn)，一方面引入優(yōu)化算法進(jìn)行改進(jìn)，另一方面基于目標(biāo)函數(shù)進(jìn)行改進(jìn)。

課題研究主要內(nèi)容、實(shí)施方案及創(chuàng)新點(diǎn):

本課題將通過(guò)圖像分割仿真實(shí)驗(yàn)發(fā)現(xiàn)傳統(tǒng)FCM聚類算法在圖像分割中存在的問(wèn)題，并針對(duì)這些問(wèn)題進(jìn)行改進(jìn)。改進(jìn)的基本方法是基于傳統(tǒng)FCM聚類算法的目標(biāo)函數(shù)進(jìn)行改進(jìn)的。

本課題將從以下幾點(diǎn)基于傳統(tǒng)FCM聚類算法的目標(biāo)函數(shù)進(jìn)行改進(jìn)

（1）將傳統(tǒng)的歐式距離用一種非歐式距離代替，改善傳統(tǒng)的歐式距離對(duì)噪聲敏感的問(wèn)題。再此基礎(chǔ)上，將歸一化條件，即每個(gè)樣本對(duì)各類隸屬度的和為1的條件放松，使所有樣本對(duì)各類隸屬度的總和為，改善聚類效果受離群點(diǎn)和樣本分布不均衡影響的問(wèn)題。

（2）引入高斯核函數(shù)，將輸入空間的樣本，映射到高維特征空間中，使原空間中非線性可分的問(wèn)題，轉(zhuǎn)化為線性可分，同時(shí)優(yōu)化了樣本的特征，最后的聚類是在特征空間中完成的。

（3）將非歐式距離、放松的歸一化條件以及高斯核函數(shù)三者融合在一起就形成了本課題所提出的改進(jìn)算法。

最后通過(guò)圖像分割仿真對(duì)比試驗(yàn)驗(yàn)證本文改進(jìn)算法的有效性。