导读:本文包含了自适应图像聚类论文开题报告文献综述及选题提纲参考文献，主要关键词:马尔可夫随机场,模糊C均值,遥感图像聚类,空间引力
自适应图像聚类论文文献综述
金秋含,王阳萍,杨景玉[1]（2019）在《自适应空间信息MRF的FCM遥感图像聚类》一文中研究指出针对传统的模糊C均值聚类算法在图像聚类时存在的不足,提出一种基于自适应空间信息MRF的FCM遥感图像聚类算法。利用空间引力模型和空间结构特征,构造一个自适应空间信息的马尔可夫随机场,将其引入到FCM模型中,使其能够自动平衡对噪声的不敏感并保留图像边缘细节的有效性,提高图像的聚类精度。为验证所提算法的有效性,利用不同的遥感图像进行实验,并与传统的聚类算法对比,实验结果表明,所提算法表现出更好的聚类效果。(本文来源于《计算机工程与设计》期刊2019年08期）
袁周米琪,周坚华[2]（2014）在《自适应确定K-means算法的聚类数:以遥感图像聚类为例》一文中研究指出聚类数直接关系到聚类算法的聚类质量,但在K-means等经典聚类算法中,对于聚类数的确定目前尚无合适的理论,一般凭经验或试凑指定.这样不仅需要较多的人机交互和耗费较多的试算开销,并且由于最优聚类数常常难以获得,而影响聚类结果的精度.本文提出一种自适应逼近最佳聚类数的算法ADNC(adaptively determining the number of clusters),可以通过自适应方法逼近最优聚类数.逼近是一个反复迭代聚类的过程.每迭代一次,对输出的聚类评估分类空间各图像特征值(输入向量各分量)标准差的平均误差,并构成多特征综合误差;根据梯度下降原理调整聚类数,即在使多特征综合误差逐步减小的同时,逼近最优聚类数.这个最优聚类数一般出现在多特征综合误差开始震荡之前最邻近的位置.以这个聚类数做K-means聚类,可以使同类间特征值异质性降到最小,取得理想的聚类结果.与此同时,还提出了较不适宜聚类数的概念,即可能使聚类误差最大的聚类数.实验表明,最适宜和较不适宜的聚类数两个概念对于改善聚类精度都有实践意义.(本文来源于《华东师范大学学报(自然科学版)》期刊2014年06期）
周纯[3]（2007）在《ImageCluster：自适应智能图像聚类系统》一文中研究指出随着信息科学的进步和互联网络的发展，网络信息资源越来越丰富，信息量呈爆炸式地增长。目前大多数网络信息检索的主体是文本信息。随着网络多媒体信息量的极速增长和多媒体检索技术的发展，多媒体信息的检索逐渐变得普遍，比如图像检索，视频／音频检索。在传统的图像／网页搜索引擎中，由于查询词的模糊性和检索机制的限制，给用户获得自己所需要的信息设置了障碍。因为大量的不同主题的搜索结果被统一地以链接加图像缩略图或摘要的形式展现出来，用户需要花费大量的时间定位自己需要的图像／网页。根据语义等其他特征对结果进行聚类的方法被认为是解决此类问题的一种有效手段。本论文在多媒体理论，图论，信息论以及模式识别理论的指导下，提出了一种自适应智能图像聚类技术，设计并实现了ImageCluster智能图像聚类系统。本论文提出了一种基于规则和统计的特征融合算法FFRS，较好地融合了图像的视觉特征和语义特征。FFRS使用图像的视觉特征来辅助图像的语义特征，从而使图像的融合特征更能反应图像的本质特征。本论文提出了一个基于颜色和语义结合特征的自适应阶段式聚类法TSCM，该方法结合了不同层次的图像特征，利用了现有多种聚类算法的优点对图像进行聚类，同时通过提取主题关键词，为每类赋予含义。最后聚类结果将以一种非常直观以及生动的星爆图的方式返回给用户。本论文详细介绍了上述算法的工作原理，并在此基础上设计实现了基于B／S架构的智能图像聚类检索系统。在实验中，通过计算聚类均方差和用户评估，说明本文提出的FFRS基于融合特征的叁段式聚类方法TSCM得到的聚类结果较传统聚类方法具有更低的均方差和更好的用户体验。(本文来源于《浙江大学》期刊2007-05-01）
自适应图像聚类论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
聚类数直接关系到聚类算法的聚类质量,但在K-means等经典聚类算法中,对于聚类数的确定目前尚无合适的理论,一般凭经验或试凑指定.这样不仅需要较多的人机交互和耗费较多的试算开销,并且由于最优聚类数常常难以获得,而影响聚类结果的精度.本文提出一种自适应逼近最佳聚类数的算法ADNC(adaptively determining the number of clusters),可以通过自适应方法逼近最优聚类数.逼近是一个反复迭代聚类的过程.每迭代一次,对输出的聚类评估分类空间各图像特征值(输入向量各分量)标准差的平均误差,并构成多特征综合误差;根据梯度下降原理调整聚类数,即在使多特征综合误差逐步减小的同时,逼近最优聚类数.这个最优聚类数一般出现在多特征综合误差开始震荡之前最邻近的位置.以这个聚类数做K-means聚类,可以使同类间特征值异质性降到最小,取得理想的聚类结果.与此同时,还提出了较不适宜聚类数的概念,即可能使聚类误差最大的聚类数.实验表明,最适宜和较不适宜的聚类数两个概念对于改善聚类精度都有实践意义.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
自适应图像聚类论文参考文献
[1].金秋含,王阳萍,杨景玉.自适应空间信息MRF的FCM遥感图像聚类[J].计算机工程与设计.2019
[2].袁周米琪,周坚华.自适应确定K-means算法的聚类数:以遥感图像聚类为例[J].华东师范大学学报(自然科学版).2014
[3].周纯.ImageCluster：自适应智能图像聚类系统[D].浙江大学.2007