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
湖北工业大学;