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(duì)目標(biāo)群分布特征進(jìn)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(wú)法辨別任意形狀的聚類，而且大多數(shù)的聚類算法在進(jìn)行聚類前都要求給出一些先驗(yàn)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(jī)分布狀態(tài)，通常沒(méi)有固定的分布形狀，要想獲取這些先驗(yàn)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(duì)目標(biāo)群的分布特征進(jìn)行

2、分析。
　　本文主要針對(duì)目標(biāo)群的分布特征進(jìn)行研究?；趫D論的分析方法主要研究點(diǎn)與點(diǎn)以及點(diǎn)與點(diǎn)之間的關(guān)系，可以把很多復(fù)雜的問(wèn)題簡(jiǎn)單化，并且可以很好的區(qū)分識(shí)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(duì)目標(biāo)群的分布特征進(jìn)行分析。通過(guò)仿真實(shí)驗(yàn)表明本算法能夠在很好的實(shí)現(xiàn)目標(biāo)群分布特征描述的基礎(chǔ)上，實(shí)現(xiàn)對(duì)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(jìn)行描述，來(lái)獲