聚类分析算法研究及其在图像分割中的应用开题报告

全文总字数：1702字

1. 研究目的与意义

得益于计算机科技和相关研究的飞速进步，与之相关的科技和理论得到了广泛的利用。

与之同时，人们也越来越重视计算机软件所带来的效率和便利。

而近些年，数据库技术飞速发展，国内外顶尖互联网企业都提出了大数据这一概念，数据的产生和收集能力，也越来越为人所重视。

2. 国内外研究现状分析

人们对于分割算法的研究已有几十年，并且仍在不断研究和发展，而基于不同维度、不同理论提出的分割算法则是数以百计，这些算法在各种特定情况下各有各的优劣。

至今，仍没有任何算法可以适用于所有情况，对于分割结果的优劣亦没有一套为人共识的判别条件。

事实上，在不同的领域和情况下，各种数据和图像变化很大，并且没有通用的分割算法。

3. 研究的基本内容与计划

本论文在较完整的整理了聚类分析算法的核心思想、常用方法和有关理论的基础上，重点讨论了k-means算法的实现方法、应用及其局限性，并基于边沿检测技术和k-means算法，针对其局限性提出改进方法，探索图像的快速分割方法。

此外，本文还研究了fcm算法在图像分割中的应用。

本文的具体工作涵盖以下几个部分：1、重点研究聚类分析中的五大类算法：基于分割的，基于层次的，基于模型的，基于神经网络的和基于密度的，比较它们在计算复杂度和分类准确性上的区别。

4. 研究创新点

本论文以K-means算法为研究核心，探索了其基于图像分割中的应用，并针对其局限性，探讨了基于K-means算法，引入了特征空间，特征距离，模糊理论等的改进的图像分割方法。