基于差分演化算法的图像聚类研究

目录

声明

第 1 章绪论

1.1 论文的研究背景及选题意义

1.2 相关技术的研究现状

1.2.1 差分演化算法改进策略的研究现状

1.2.2 基于演化算法的图像聚类研究现状

1.3 本文研究内容

1.4 论文章节安排

第 2 章差分演化算法及 K 均值聚类算法概述

2.1 差分演化算法

2.1.1 差分演化算法简介

2.1.2 差分演化算法的基本思想

2.1.3 差分演化算法的流程图及关键步骤

2.1.4 影响差分演化算法求解性能的关键因素

2.1.5 差分演化算法的描述

2.1.6 差分演化算法的特点

2.2 聚类技术

2.2.1 聚类的定义

2.2.2 聚类分析的判断标准

2.3 聚类分析算法

2.3.1聚类算法的分类

2.3.2 K均值聚类算法的基本思想

2.3.3 K均值聚类算法的描述

2.3.4 K均值聚类算法特点及不足

第 3 章基于高斯采样和随机采样聚类的差分演化算法

3.1 中心采样和随机采样

3.1.1 中心采样

3.1.2 随机采样

3.2 基于高斯采样和随机采样聚类的差分演化算法

3.2.1 使用一步K均值聚类的目标空间距离测度方法

3.2.2 随机采样的变异机制和高斯采样的变异机制

3.2.3 聚类周期

3.3 基础测试函数

3.4 实验设置

3.5 对 GRCDE 和DE 的比较

3.5.1 比较最终解的精度

3.5.2 比较收敛速度以及成功运行的次数

3.5.3 维度测试

3.5.4 不同聚类周期的效果

3.5.5 GRCDE与一些当代改进差分演化算法的比较

3.6 讨论

第 4 章 基于 GRCDE 的图像聚类应用

4.1 数字图像技术

4.2颜色系统

4.2.1 RGB 颜色空间

4.2.2 HSV 颜色空间

4.2.3 YUV颜色空间

4.3 图像聚类

4.3.1 图像聚类的概念

4.3.2 图像聚类的步骤

4.4 基于GRCDE的图像聚类的评估函数

4.5 实验分析

4.5.1 实验参数设定

4.5.2 实验性能分析

第 5 章结论

5.1 总结

5.2 进一步工作

参考文献

致谢