导读:本文包含了马尔科夫聚类方法论文开题报告文献综述及选题提纲参考文献，主要关键词:极化SAR,谱聚类,判别谱聚类,多视角谱聚类
马尔科夫聚类方法论文文献综述
张向荣,于心源,唐旭,侯彪,焦李成[1]（2019）在《基于马尔科夫判别谱聚类的极化SAR图像分类方法》一文中研究指出该文针对现有的谱聚类方法用于极化SAR图像分类时精度较低的问题,提出一种基于马尔科夫的判别谱聚类方法(MDSC),具有低秩和稀疏分解的特点。该方法首先恢复一个真实的低秩概率转移矩阵,将其作为标准马尔科夫谱聚类方法的输入,以减少噪声对分类结果的影响;然后在目标函数中引入判别信息,使极化SAR图像的数据信息能够得到更加充分地利用;最后采用增广拉格朗日乘子法来解决低秩和概率单纯形约束下的目标函数优化问题。在荷兰小农田、德国、西安和荷兰大农田4个不同数据集上的实验证明,该方法具有较好的准确率,且参数敏感性较低,表现出了良好的分类性能。(本文来源于《雷达学报》期刊2019年04期）
彭育辉,庄源[2]（2019）在《组合优化聚类与马尔科夫链的城市环卫车辆行驶工况构建方法》一文中研究指出为客观描述城市环卫车的实际行驶特征,基于3辆市政环卫车连续一周实际道路行驶数据,提出一种组合优化聚类与马尔科夫链的城市环卫车辆行驶工况构建方法.首先对特征参数矩阵做均值化处理,增强参数降维后每一个主成分中所包含的特征参数信息;其次利用k均值聚类将不同运行特征的运动学片段划分到不同类的样本集内,以马尔科夫链法在每一类样本集中做状态预测,按时间比例合成代表工况.最后,基于运动学参数对所构建的代表工况进行有效性检验.结果表明,所构建的福州市环卫车辆行驶工况相较于C-WTVC国家标准工况,能更客观地反映福州市环卫车辆的实际运行情况.(本文来源于《福州大学学报(自然科学版)》期刊2019年04期）
梁恺彬[3]（2017）在《基于高斯混合模型马尔科夫随机场与模糊聚类的人脑MRI分割方法研究》一文中研究指出在临床医疗诊断,尤其是对人身体内部结构的诊断当中,常常会使用到不同的医疗影像作为重要的诊断手段,而医疗影像分割技术则是对这些医疗影像进行分析和应用的重点基本环节。对于医疗影像来说,那些不相似的图像部分通常被用来对不同的结构,组织和病变部分来用作分析。对于专业的医疗工作者来说,他们关注的往往只是图片中的患病区域,而这些患病区域就是我们需要分割的目标区域。而对于真实人脑图像的分割方法来说,在目前医疗设备基础之上的真实人脑图像分割方法已经被提出了很多。但是直到现在任然没有一种完善的分割方法能够应用于人脑图像的各种组织从而进行准确而有效的分割,现实中能作为临床使用的自动分割手段依然较少,大多数使用的仍然是以专业人员的手动分割手段为主。然而,手动分割是一项耗时和困难的任务,它分割的准确与否主要取决于医生的专业知识以及医疗经验,使得分割结果往往千差万别,因此自动的用于临床医疗的人脑图像分割方法的探讨仍然是作为图像处理领域中研究的热点。真实的人脑MRI对人脑疾病的诊断有不可替代的作用。如脑瘤,脑梗塞,帕金森综合症等脑部疾病患者的人脑医疗影像的分割结果,能够帮助专业医护工作者进行快速而准确的诊断。但是MRI的成像原理会使得人脑医疗影像表现出一定的模糊性,使得脑灰质、脑白质和脑脊液等各组织之间边界出现过渡现象从而产生边界上的不明确与不连续。这些由于人脑MRI的模糊特性产生的边界不确定性与不连续性都会使得人脑MRI分割的困难大大增加。同时在人脑医疗影像的成像过程中,由于设备的影像采集,影像传输,影像压缩与解码,热、电噪音,部分容积效应以及磁场的非均匀性等多种因素共同产生的影响,使得人脑MRI为模糊图像并且存在着许多的加性噪声,而在噪声的影响下,要实现人脑MRI的准确分割,其难度将会大大提高。基于上述的原因,本文希望通过对不同的医疗影像分割手段的对比研究,尤其是对人脑MRI分割手段的研究,从而得到一个鲁棒性,抗噪性和泛化性优良的人脑MRI自动化分割方法。本文的主要内容如下:(1)由于马尔科夫随机场拥有优良的空间相关性,能够很好的对人脑MRI纹理和边缘进行有效划分,同时因为人脑MRI的灰度分布呈现高斯分布特征,本文运用高斯函数建立马尔科夫随机场模型能够很好的符合人脑MRI的分布特点;同时针对马尔科夫随机场对噪声较为敏感的特点,本文提出一种图像滤波方法,并与马尔科夫随机场模型相结合使用,克服了马尔科夫随机场模型对噪声敏感的缺点;而对于马尔科夫随机场模型的求解,本文主要运用模拟退火算法来进行,但是传统的模拟退火算法求解马尔科夫随机场模型的计算成本较高,针对这点,本文运用基于稳定点与不稳定点模拟退火算法对马尔科夫随机场模型进行求解,这一改变有效降低计算成本,提高了算法的时效性。(2)传统的聚类分割方法通常是基于图像灰度值的相似程度进行像素划分,这样对含噪声或边缘模糊的人脑MRI进行分割效果并不理想,基于这种考虑,一种融入了平均隶属度的改进FCM算法在本文中被提出,该算法能有效降低噪声的影响;同时将改进的FCM算法作为图像的初始分割算法,其良好的抗噪性可以生成优良的初始参数,有效改进分割的效果。(3)由于传统的高斯混合模型的抗噪性和鲁棒性较差,运用于人脑MRI的分割中往往并不理想,针对这一缺点,一种运用隐高斯混合模型来进行分割的人脑MRI分割方法在本文中将被提出。传统的高斯混合模型由于忽略了空间信息和未考虑分割结果的分布情况导致模型不完整。针对这些缺点,本文把分割结果的假设概率密度函数作为隐含数据引入到高斯混合模型,建立了非线性加权的隐高斯混合模型;同时引入了含空间信息与平滑系数的高斯权重置指数;运用EM算法与牛顿迭代法对类均值,类方差以及平滑系数进行求解,最后根据最大后验概率准则得到人脑MRI的最终分割结果。(本文来源于《昆明理工大学》期刊2017-04-01）
李晓燕[4]（2016）在《基于隐马尔科夫模型的轨迹聚类方法研究》一文中研究指出轨迹作为一种动态特征能更加全面地描述视频内容信息,在多媒体信息处理研究领域得到了广泛地应用,而在该领域中尤其是视频相关研究领域,对轨迹实现聚类分割则是整个研究过程中至关重要的一步,划分结果的好坏将直接影响到后续研究工作的进行。本文主要研究如何根据隐马尔可夫模型的理论和原理实现对视频轨迹的聚类划分。具体来说,主要对以下叁个方面进行研究分析：1、建立基于参考隐马尔可夫模型的轨迹距离矩阵。目前现有的基于隐马尔可夫模型的聚类方法通常需要很大的计算量,尤其是建立轨迹距离矩阵的过程,在该过程中需要对整个轨迹数据集中的每一个对象进行训练得到对应的隐马尔可夫模型,然后根据获得的隐马尔可夫模型对数据集中的每一条轨迹进行学习,从而获得轨迹的距离矩阵,这个过程的时间复杂度是O(n2),n指的是轨迹数据数目。针对这个问题,本文提出了使用参考隐马尔可夫模型集来构建轨迹距离矩阵的方法,主要思想就是从整个轨迹数据集中随机选取一定数量的轨迹数据然后对它们进行训练,得到对应的隐马尔可夫模型作为参考隐马尔可夫模型集合ref-HMM,根据获得的ref-HMM,对轨迹数据集中的每一个对象进行学习,得到轨迹的基于ref-HMM的距离矩阵。使用该方法构建距离矩阵的时间复杂度是O(n×r), n是轨迹数目,r是选取的参考轨迹数目。2、使用向量点乘方法计算轨迹对象之间的相似度。在基于隐马尔可夫模型的聚类方法中,POR、YY、SYM、BP、KL距离是经常使用的用于计算轨迹之间相似度的测量方法。前四种距离计算方法简单,但是它们只是考虑了轨迹对象的部分信息,获得的聚类效果并不是很好。KL距离度量方法考虑了轨迹之间的全部信息,而且使用KL距离的聚类效果要比另外四种要好很多,但是该距离计算方法需要很大的计算量。因此本文使用向量点乘的方法计算轨迹之间的相似度,该方法既能够考虑了轨迹之间的全部信息而且计算的时间复杂度要低于KL距离。实验结果表明使用向量点乘方法不仅提高了算法的鲁棒性,同时也提高了算法的聚类质量,当参考轨迹数据集的数目为500时,本文提出的方法就要比使用KL距离的聚类方法高出2%左右。3、使用谱聚类方法对轨迹对象进行聚类分割。谱聚类相对于其他传统的聚类方法(比如k均值等)有很多基础性的优势,谱聚类的过程很容易实现而且效率也比较高。本文通过实验对比发现当轨迹类数目为5时,使用谱聚类获得的结果要比使用k均值高出5%左右,随着轨迹类数目的增加,两种方法获得的结果差距也在增加,当轨迹类数目为25类时,谱聚类要比k均值分割方法高出20%左右。(本文来源于《华东师范大学》期刊2016-03-01）
姜平,石琴,陈无畏[5]（2010）在《聚类和马尔科夫方法结合的城市汽车行驶工况构建》一文中研究指出利用因子分析法提取了与汽车燃油消耗相关的2个因子(平均速度和速度标准偏差),根据这两个因子,通过两步聚类分析,把一系列汽车行驶工况分为3类,即平均速度为20km/h以下的行驶工况、20～40km/h的行驶工况和40km/h以上的行驶工况。每类行驶工况都可看作一个随时间变化的马尔科夫过程,根据新的分类准则把每类行驶工况划分为加速片段、减速片段、怠速片段和匀速片段,计算片段间的转移概率。在此基础上,提出了片段间的状态转移概率与发动机比功率相结合的候选工况选择方法,建立了评价代表性行驶工况的12个特征参数的评价准则。以合肥市典型道路为例分别构建了不同类别的行驶工况。结果表明,根据燃油消耗构建的行驶工况与试验数据具有高的相似性,符合车辆实际行驶工况。(本文来源于《中国机械工程》期刊2010年23期）
马尔科夫聚类方法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为客观描述城市环卫车的实际行驶特征,基于3辆市政环卫车连续一周实际道路行驶数据,提出一种组合优化聚类与马尔科夫链的城市环卫车辆行驶工况构建方法.首先对特征参数矩阵做均值化处理,增强参数降维后每一个主成分中所包含的特征参数信息;其次利用k均值聚类将不同运行特征的运动学片段划分到不同类的样本集内,以马尔科夫链法在每一类样本集中做状态预测,按时间比例合成代表工况.最后,基于运动学参数对所构建的代表工况进行有效性检验.结果表明,所构建的福州市环卫车辆行驶工况相较于C-WTVC国家标准工况,能更客观地反映福州市环卫车辆的实际运行情况.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
马尔科夫聚类方法论文参考文献
[1].张向荣,于心源,唐旭,侯彪,焦李成.基于马尔科夫判别谱聚类的极化SAR图像分类方法[J].雷达学报.2019
[2].彭育辉,庄源.组合优化聚类与马尔科夫链的城市环卫车辆行驶工况构建方法[J].福州大学学报(自然科学版).2019
[3].梁恺彬.基于高斯混合模型马尔科夫随机场与模糊聚类的人脑MRI分割方法研究[D].昆明理工大学.2017
[4].李晓燕.基于隐马尔科夫模型的轨迹聚类方法研究[D].华东师范大学.2016
[5].姜平,石琴,陈无畏.聚类和马尔科夫方法结合的城市汽车行驶工况构建[J].中国机械工程.2010