目標(biāo)群分布特征分析算法研究.pdf

1、目標(biāo)群分布特征分析應(yīng)用非常廣泛，在很多領(lǐng)域都起到了重要的作用。在對目標(biāo)群分布特征進行分析的研究方法中，聚類分析是最常用的方法之一。傳統(tǒng)的聚類分析一般是以聚類中心為原型，無法辨別任意形狀的聚類，而且大多數(shù)的聚類算法在進行聚類前都要求給出一些先驗參數(shù)，比如FCM算法需要事先確定聚類類別數(shù)C等，但由于目標(biāo)群的分布范圍呈現(xiàn)隨機分布狀態(tài)，通常沒有固定的分布形狀，要想獲取這些先驗信息是很困難的。因此，傳統(tǒng)聚類分析算法不能準(zhǔn)確的對目標(biāo)群的分布特征進行

2、分析。
　　本文主要針對目標(biāo)群的分布特征進行研究。基于圖論的分析方法主要研究點與點以及點與點之間的關(guān)系，可以把很多復(fù)雜的問題簡單化，并且可以很好的區(qū)分識別各種形狀的圖形。因此本文采用基于圖論的聚類分析算法對目標(biāo)群的分布特征進行分析。通過仿真實驗表明本算法能夠在很好的實現(xiàn)目標(biāo)群分布特征描述的基礎(chǔ)上，實現(xiàn)對目標(biāo)群的分布參數(shù)的提取。
　　本文還采用一種基于傅立葉描述子的形狀描述方法，將目標(biāo)群的區(qū)域邊界使用傅立葉描述子進行描述，來獲