基于k-means算法的杂草分类应用研究

发布时间：2022-01-14 21:55

　　随着时代的进步,k-means算法与各个领域的技术相融合,取得了突破性进展,尤其在图像识别方面,发挥了关键性作用。本文通过对k-means算法的研究和分析,将其应用在杂草图片处理上,将处理过的杂草图片数据聚类并放入一个库,和新输入的图片进行对比,判断杂草的分类归属。通过对k-means算法的缺点改进,在整个运算开始前加入一个层次聚类,优化了整个杂草分类的过程中经典算法耗时久、准确率低的问题。为杂草分类和剔除提供了简便快捷的手段。具体研究内容如下:1.通过研究目前应用的杂草分类技术和k-means算法的性质,探索本文杂草分类应用的方法和思路。研究了k-means算法在人脸识别领域的应用,了解了各种杂草分类技术,分析了k-means算法的历史、性质、定义、要点、应用。2.优化了k-means算法。在充分了解k-means算法的基础上,通过分析k-means算法的缺陷,提出了在k-means算法进行之前,先加入一个层次聚类的方法,实现了对经典算法的改进,提高了准确性的同时降低了运算时间。3.通过改进算法进行实验,快速简便的分类出了杂草。为了验证本文的改进算法和对杂草分类研究思路的正确性进行了... 

【文章来源】：华北水利水电大学河南省

【文章页数】：47 页

【学位级别】：硕士

【部分图文】：

人脸识别解释图

图 2-1 未标记样本集Figure 2-1 Unlabeled sample set图 2-1 是未做标记的样本集，通过他们的分布，我们很容易对上图中的样本做种划分[22]。当需要将其划分为两个簇时，即 k=2 时：如图 2-2 所示：

K=2时样本集Figure2-2SamplesetatK=2当需要将其划分为四个簇时，即k=4时，如图2-3所示：

【参考文献】：
期刊论文
[1]基于集对分析的径流丰枯分析[J]. 李继清,郑威,李建昌,金菊良,周婷.  华北水利水电大学学报(自然科学版). 2019(01)
[2]基于SWAT模型的区域农业干旱模拟研究[J]. 王富强,王金杰,石家豪.  华北水利水电大学学报(自然科学版). 2019(01)
[3]宁夏中部干旱带农牧交错区农田杂草型药用植物资源[J]. 李明,左忠,李吉宁,刘华,安钰.  宁夏农林科技. 2016(06)

博士论文
[1]多光谱、超光谱成像探测关键技术研究[D]. 许洪.天津大学 2009

硕士论文
[1]基于稀疏表示分类的植物叶片识别方法研究[D]. 杜海.山西农业大学 2018
[2]基于深度学习的视觉问答方法研究[D]. 曹良富.电子科技大学 2018
[3]基于K-means特征学习的杂草识别研究[D]. 何俐珺.西北农林科技大学 2016
[4]基于聚类与K近邻算法的LKJ运行记录数据分析及故障诊断[D]. 史佳.兰州交通大学 2015
[5]初始聚类中心优化的K-means改进算法[D]. 张永晶.东北师范大学 2013
[6]基于半监督佳点集和Leader的K-means聚类算法研究[D]. 张娟.安徽大学 2011
[7]基于物理模型的聚类方法研究[D]. 张鹏.电子科技大学 2011
[8]聚类算法及其在页面聚类中的应用研究[D]. 方杰.合肥工业大学 2009
[9]基于SOM及K均值聚类方法的分布式入侵检测模型的研究[D]. 袁正.天津理工大学 2009
[10]基于鱼群的K均值聚类算法研究[D]. 王薇.哈尔滨工程大学 2008



本文编号：3589278