论文部分内容阅读
目标群分布特征分析应用非常广泛,在很多领域都起到了重要的作用。在对目标群分布特征进行分析的研究方法中,聚类分析是最常用的方法之一。传统的聚类分析一般是以聚类中心为原型,无法辨别任意形状的聚类,而且大多数的聚类算法在进行聚类前都要求给出一些先验参数,比如FCM算法需要事先确定聚类类别数C等,但由于目标群的分布范围呈现随机分布状态,通常没有固定的分布形状,要想获取这些先验信息是很困难的。因此,传统聚类分析算法不能准确的对目标群的分布特征进行分析。本文主要针对目标群的分布特征进行研究。基于图论的分析方法主要研究点与点以及点与点之间的关系,可以把很多复杂的问题简单化,并且可以很好的区分识别各种形状的图形。因此本文采用基于图论的聚类分析算法对目标群的分布特征进行分析。通过仿真实验表明本算法能够在很好的实现目标群分布特征描述的基础上,实现对目标群的分布参数的提取。本文还采用一种基于傅立叶描述子的形状描述方法,将目标群的区域边界使用傅立叶描述子进行描述,来获取目标群的分布形状信息。该描述方法具有位移、旋转、大小、起点等不变性质,且数据量较小等特点,对描述目标群的形状特征具有很好的适用性。通过仿真实验证明了本算法具有较强的形状识别能力,能够实现目标群分布形状特征的描述。