基于特定理论工具的彩色图像分割技术

图像分割是对图像进行分析和理解的基础，彩色图像由于较灰度图像具备更多的视觉信息而越来越受到人们的关注．对彩色特征空间的选取，以及近年来通过结合模糊数学、马尔可夫随机场、神经网络、遗传算法、小波分析等特定理论工具和模型的彩色图像分割方法和策略进行了介绍．     

基于特定理论工具的彩色图像分割技术

图像分割是对图像进行分析和理解的基础，彩色图像由于较灰度图像具备更多的视觉信息而越来越受到人们的关注、文章对彩色特征空间的选取，以及近年来通过结合模糊数学、马尔可夫随机场、神经网络、遗传算法、小波分析等特定理论工具和模型的彩色图像分割方法和策略加以介绍．     

彩色图像分割方法综述

图像分割是图像分析中一个非常重要的预处理步骤,分割效果将直接影响到后续任务的有效性。彩色图像相较于灰度图像更接近人类的视觉特性,因此对彩色图像的研究更为重要。对当前比较常用的一些彩色图像分割方法进行了综述,阐述了基于阈值、基于聚类、基于区域以及基于特定理论的几类分割方法各自的优缺点和应用场景。最后根据基于过完备字典的稀疏表示能够刻画图像细节信息、实现图像最优逼近的特点,提出将其推广至彩色图像分割的研究思路。     

基于模糊交叉网格的初始聚类中心选取方法

选取初始聚类中心是多数聚类算法的首要步骤,往往影响着聚类的效果。为了避免算法迭代过程中易陷入局部最优的问题,本文提出了一种基于模糊交叉网格的初始聚类中心选取方法。算法通过对数据空间网格化后,以网格交点为中心的邻近网格组成网格空间,根据数据点的隶属度统计每个网格空间的密度,再通过局部最大网格空间选取K个初始聚类中心。在真实数据集上进行实验,结果表明该方法在保证了聚类效果的同时,提高了收敛速度。     

基于改进遗传算法的K-means聚类方法

K-means算法是聚类分析划分方法中的一种常用方法,也是目前在数据分析方法中最有应用前景的方法之一。但K mean算法对初始聚类中心十分敏感,这对处理学生成绩等数据而言,会导致聚类结果极为不稳定。为此,提出基于改进遗传算法的K means聚类算法。该算法利用遗传算法解决初始聚类中心,提高聚类结果的稳定性,但存在前期过早收敛和后期收敛过慢的缺点。将改进遗传K means聚类算法应用于高职高专的学生考试成绩分析中,可以很好地解决传统遗传聚类算法对聚类结果的不稳定性问题,并通过聚类结果对学生考试成绩进行分类评价,利用所获得的数据聚类结果指导教学,从而提高教学质量。     

基于K-means聚类与二次分水岭的果蔬图像分割方法

为解决传统分水岭算法在果蔬图像分割过程中产生的过分割问题,提出了基于K means聚类与二次分水岭的果蔬图像分割方法。该方法首先通过自适应中值滤波、直方图均衡化等方法实现图像增强,利用分水岭算法实现图像预分割,然后对预分割结果进行K means聚类和形态学处理,并在此基础上利用分水岭算法实现果蔬图像二次分割。实验结果表明,该方法很好地解决了分水岭算法引起的过分割问题,为后续图像分类识别奠定了基础。     

一种改进Grabcut算法的彩色图像分割方法

针对传统Grabcut分割方法难以很好处理图像阴影部分及分割时间过长的问题,提出结合K-means聚类算法与Grabcut函数的方法改善以上问题。该方法通过直方图均衡化实现图像增强,然后利用K-means算法以二分类的形式对像素进行聚类,利用形态学处理填充孔洞,自动获取目标物体轮廓后,结合Grabcut算法实现图像二次分割,最后利用颜色判定改善图像阴影部分。实验结果表明,该方法可实现图像自动分割、节省大量时间,而且对阴影部分图像处理有明显改善,具有较高的准确性和高效性。     

基于异常检测的K-means改进算法研究

K-means算法作为较为普遍的聚类算法,聚类效果受孤立点、噪声点和初始聚类中心影响较大。结合Isolation Forest算法计算数据中每个样本的异常度系数,根据离群值过滤比例计算得到异常度系数阈值,对高度异常值加以隔离,并对隔离后的数据集使用平均插值法求得初始聚类中心。运用改进K-means算法对真实数据集进行聚类分析,与此同时,通过比较多个离群值过滤比例下的聚类结果,找到离群值过滤比例的最优取值。仿真结果表明,相比于原始算法,新算法显著提升了聚类准确性,聚类效果更佳。     

基于 K-means 的政府公文聚类方法

政府公文数量巨大,不同政府网站公文分类规则不一 ,在引用和参考公文时可能发生混淆 。针对该问题,基于政府公文题目、摘要和正文内容,采用 K-means 算法对公文进行分类。首先对政府公文进行分词及去停用词等数据预处理操作,再通过词频—逆文档频率（TF-IDF）权值计算方法,将处理后的政府文本信息转换成二维矩阵,然后采用 K-means 算法进行聚类。使用清华大学 THUCTC 文本分类系统对公文聚类结果进行测试。实验结果表明,采用 K-means 算法对公文进行聚类,准确率达到 82.93%,远高于政府网站公文分类准确率。     

一种改进的K-means算法

传统的K—means算法对初始聚类中心敏感,聚类的结果随不同的初始输入而波动．为了消除这种敏感性,提出了一种改进的K-means算法,改善聚类算法中选取初值的依赖性,提高聚类结果的稳定性．仿真实验结果表明：改进后的K-means算法优于原始算法．     

基于K-means聚类算法的客户细分探讨

重点讨论了聚类分析方法中K-means聚类算法在客户价值分析中的作用,通过对客户的现有价值和潜在价值进行分析,对客户进行细分。在此基础上,企业可结合行业的特征找出各类客户的特点,实行差异化服务策略,让更好的资源和服务提供给最有价值客户,从而达到顾客满意、企业盈利的目的。     

稻壳制备生物质碳对水中六价铬的吸附特性研究

研究了稻壳制备生物质碳对水中六价铬的吸附特性.探讨了稻壳生物质炭粒径、投加量、溶液pH值、铬（Ⅵ）初始浓度、反应温度和吸附时间对去除效率的影响.结果表明在20mL 0.20mg/L铬（Ⅵ）溶液中,稻壳生物质炭投加量为0.10g、温度为40℃、pH为2、反应时间60min时,稻壳生物质炭对水中六价铬的吸附容量最高,可达8.90mg/g.稻壳生物质炭对铬（Ⅵ）的吸附符合Freundlich吸附等温式,该吸附过程符合二级动力学方程.     

K-means聚类算法研究

聚类分析是模式识别中一个重要研究领域,是一种将数据划分或分组处理的重要手段和方法.K-means算法是聚类算法中主要算法之一,文章介绍了K-means聚类算法的实现方法,并对其优点和缺点进行了详细的分析.     

酸体系对光度法测定水中Cr~(6+)结果的影响

通过比较3种酸体系及同一酸体系不同酸度下二苯碳酰二肼光度法测量水体中6价铬的研究,发现体积分数为5%的盐酸作检测体系时,分析效果最好,显著增大了Cr(VI)的线性范围,方法的重现性和准确性得到了很好的保证。该方法成本低、过程简单、分析速度快、便于操作,为二苯碳酰二肼光度法测水中6价铬提供了新的思路。     

深圳电镀行业六价铬产排污系数研究

根据深圳市环境统计数据和工业废水数据中的典型电镀企业,划分了电镀行业六价铬的6种四同组合,通过产排污数据分析计算得出了每种四同组合的产排污系数。历史监测数据和实测数据验证校核,证明了该产排污系数的科学性和合理性。六价铬产排污系数的完善能够为建立电镀行业重金属核查核算体系提供重要依据,同时对涉重金属行业六价铬的总量控制具有重要的实际意义。     

改进K-means算法在高校舆情中的应用

互联网时代,网络焦点话题讨论对当代高校学生的思想有很大影响,因此对高校舆情进行监测具有十分重要的意义。通过改进的K-means算法对高校舆情进行聚类,获取舆情热点。通过聚类算法获取热点话题,进而对热点舆情话题进行引导,对改进高校学生思想政治工作作用显著。对改进算法进行实验,结果表明该算法准确率达到75%,比传统算法高出8%,改善了传统算法的聚类效果。     

基于K-means聚类的磁瓦缺陷图像分割方法

为了实现磁瓦图像中缺陷的准确检测,以分割磁瓦端面崩块缺陷为目的提出一种基于K-means聚类的分割方法。磁瓦图像采集的关键技术是光源选用,分析传统的磁瓦图像分割方法——阈值分割,并以迭代选择阈值算法作为对比算法进行介绍;着重剖析K-means算法的基本聚类原理,并引出其算法实现流程。采用两种算法对磁瓦端面图像进行分割。结果表明,基于K-means聚类算法对磁瓦图像进行分割,能够正确分割出磁瓦端面的崩块缺陷。