基于免疫克隆的投影寻踪聚类算法与其应用

《基于免疫克隆的投影寻踪聚类算法与其应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第一章绪论分割算法大都是针对具体问题的，并没有一种适合所有图像的通用的分割算法。1．2．2SAR图像分割SAR作为一种不可或缺的军事侦察手段，在民用和工业上也有广泛的用途。随着SAR成像技术的日益发展，所获得的SAR图像数据越来越多，机器解译已经逐步代替了人工解译，从而SAR图像处理也成为研究热点。SAR图像处理是近几年发展起来的新兴学科。SAR图像的处理涉及了模式识别、图像处理、人工智能以及信号处理等众多学科领域，其中SAR图像分割是SAR图像处理的关键步骤之一。一方面，分割是目标表达的基础，对特征测量有重要的影

2、响；另一方面，因为图像分割及后续的基于分割的目标表达、特征提取和参数测量等将原始图像转化为更抽象更紧凑的形式，使得更高层的图像分析和理解成为可能。它是图像匹配和目标识别等图像分析和理解的基础，是SAR图像处理技术中的重要课题。作为SAR图像处理的基本问题之一，在对SAR图像的研究和应用中，通过图像分割可以发现感兴趣的目标区域，从而为SAR图像后期的分类和识别奠定基础，而且目标识别的准确性很大程度上依赖于图像分割的质量。为了辨识和分析SAR图像中的目标，需要将它们从图像中分离提取出来，在此基础上才有可能进一步对目标进

3、行测量和对SAR图像进行利用。SAR图像由于受到相干斑噪声的影响，传统方法直接用于SAR图像分割很难得到满意的分割结果，因此需要在分析SAR图像特点的基础上，进一步寻求适于SAR图像的分割方法。聚类算法作为无监督的学习方法，其自适应和实用性的优点，使其成为图像分割的研究热点。本文将通过多尺度几何提取的特征看作高维数据，然后用基于投影寻踪的聚类算法对图像进行分割1．3论文结构安排本论文的研究内容主要围绕基于免疫克隆的投影寻踪算法以及其在图像分割中的应用展开，各章的具体安排如下：第一章介绍了本课题的研究背景，对投影寻踪

4、算法发展和研究背景、人工免疫系统的发展和研究背景以及图像特征提取的方法进行简要的介绍。第二章重点介绍了投影寻踪聚类算法的基本理论。第三章提出了基于免疫克隆的投影寻踪聚类算法，用免疫克隆算法优化投影寻踪的投影指标，从而获得最优投影方向以及最优子空间，然后用经典的聚类算法对最优子空间进行聚类以获得更好的聚类结果。第四章提出基于LDA投影指标的免疫克隆投影寻踪聚类算法，将线性判别分析中的类间散度与类内散度的关系作为投影寻踪的投影指标，利用免疫克隆算法进行优化从而获得最优投影方向以及最优子空间，然后用K．means聚类算法

5、对6基于免疫克隆的投影寻踪聚类算法及其应用最优子空间进行聚类以获得更好的聚类结果，同时，根据线性判别分析算法与K．means聚类算法在计算类间散度时的一致性，对优化过程进行自适应的迭代，从而获得更好的聚类结果。并将该算法应用于纹理图像以及SAR图像分割，提高了图像的分割精度；第五章在基于LDA投影指标的免疫克隆投影寻踪聚类算法基础上，通过拉普拉斯图建立有标签数据和无标签数据的关系，提出基于半监督的投影寻踪聚类算法。在图像处理过程中，为了克服图像数据规模大的问题，将该算法与分水岭算法相结合应用于纹理图像以及SAR图像

6、分割，提高了图像的分割精度。同时，利用同样的有标签数据和无标签数据的关系，将迁移学习引入投影寻踪聚类算法，对高光谱图像进行波段迁移从而提高了分割精度。最后，对本论文的工作进行总结，提出了进一步的研究方向。第二章投影寻踪聚类72．1引言投影寻踪[23’261(Projectionpursuit，PP)是一种20世纪70年代初期发展起来的一类新兴的高维数据的探索性分析的方法。顾名思义，投影寻踪其基本思想包含两层含义，一是投影，把高维数据线性投影到低维空间；二是寻踪，利用投影后的低维数据，发现我们所需要获得的数据内在特征

7、和投影方向。20世纪60年代末70年代初，为了发现数据的聚类结构，Kruscal[27】首先使用投影寻踪方法，把高维数据投影到低维空间，通过极大化某个指标，从而发现高维数据的聚类特征。但在1974年，Friedman和Tukey[231首先提出了投影寻踪的概念并提出了一种把整体上的散布程度和局部凝聚程度结合起来的新投影指标，并对模拟数据和实测数据成功地进行了分类和聚类分析。在1979年美国数理统计学年会上，Friedman作了关于投影寻踪的报告，成为投影寻踪理论研究的引子，随后投影寻踪回归、投影寻踪密度估计和投影寻

8、踪分类的方法相继出现。1985年，Huber[25】发表了关于投影寻踪的综合性学术论文，对以前投影寻踪的工作和成果作了高度的概括与总结，建立起了投影寻踪在统计学中的独立体系，并大大推动了此方法的深入研究与实际应用。从理论和应用来看，投影寻踪主要包含三方面：投影寻踪聚类分析、投影寻踪回归和投影寻踪学习网络。在投影寻踪基本算法的基础上，不断有人提出新的投影指标，