發(fā)布時(shí)間：2024-07-03 01:31

　　鞋印作為案件偵破的重要線索,隨著時(shí)間積累,數(shù)量不斷壯大。而如何實(shí)現(xiàn)對大規(guī)模鞋印庫的自動分類管理成為刑偵人員亟待解決的一大難題。聚類的目的是將相同花紋的鞋印圖像標(biāo)記為一類。但鞋印庫存在圖像質(zhì)量層次不齊,類別數(shù)目眾多,類內(nèi)類間密度分布不均勻,類內(nèi)距離大于類間距離以及同類點(diǎn)被非同類點(diǎn)包圍等問題。所以基于以上特點(diǎn),本文提出了基于密度劃分的自適應(yīng)鞋印圖像聚類算法,主要工作如下:1)基于密度劃分的聚類參數(shù)自適應(yīng)計(jì)算鞋印數(shù)據(jù)結(jié)構(gòu)復(fù)雜,僅通過固定的距離、密度等參數(shù)并不能準(zhǔn)確描述類別間關(guān)系,需要深入挖掘各點(diǎn)間的位置關(guān)系,自適應(yīng)得到聚類結(jié)果。在本文中,所有數(shù)據(jù)先根據(jù)密度閾值進(jìn)行劃分,再進(jìn)行聚類,并計(jì)算簇間同類點(diǎn)與非同類點(diǎn)的比例,作為判別簇間是否合并的條件,實(shí)現(xiàn)了聚類算法的參數(shù)自適應(yīng)。在兩類公開數(shù)據(jù)集以及鞋印數(shù)據(jù)庫上進(jìn)行了實(shí)驗(yàn),聚類結(jié)果接近人工設(shè)置最優(yōu)參數(shù)。2)基于自然鄰域圖的簇劃分自然近鄰是通過自動搜索近鄰點(diǎn)來確定點(diǎn)間位置關(guān)系,根據(jù)自然近鄰點(diǎn)構(gòu)建的自然鄰域圖可以更加準(zhǔn)確反映數(shù)據(jù)的復(fù)雜結(jié)構(gòu)。本文利用自然鄰域圖對簇進(jìn)行細(xì)劃分,將劃分到一個(gè)簇的非同類點(diǎn)成功分離,實(shí)現(xiàn)了簇的準(zhǔn)確劃分,提高了聚類算法的純度。同時(shí)改進(jìn)...

【文章頁數(shù)】：91 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．１現(xiàn)場鞋印類別數(shù)目所占百分比??Ｆｉｇ．２．１?Ｐｅｒｃｅｎｔａｇｅ?ｇｒａｐｈ?ｏｆ?ｖａｒｉｏｕｓ?ｃａｔｅｇｏｒｉｅｓ?ｏｆ?ｃｒｉｍｅ?ｓｃｅｎｅ?ｓｈｏｅｐｒｉｎｔｓ??

到的族進(jìn)行細(xì)劃分；第５章，針對簇間相似度進(jìn)行分析，綜合相鄰簇??間跨簇點(diǎn)的距離關(guān)系、結(jié)構(gòu)特點(diǎn)、密度分布這三個(gè)方面，改進(jìn)了相似度的計(jì)算方法。??２．２鞋印圖像數(shù)據(jù)集特點(diǎn)分析??聚類的目的是將具有鞋印花紋相同的標(biāo)記為一類，算法的輸入為無標(biāo)簽數(shù)據(jù)??＝?，…；ｃｙｘｄ，Ｗ為數(shù)據(jù)點(diǎn)個(gè)數(shù)。....

圖２．?２現(xiàn)場鞋印各類別數(shù)目統(tǒng)計(jì)??Ｆｉｇ．２．２?Ｌｉｎｅ?ｃｈａｒｔ?ｏｆ?ｔｈｅ?ｍｅｍｂｅｒ?ｎｕｍｂｅｒ?ｆｏｒ?ｃｒｉｍｅ?ｓｃｅｎｅ?ｓｈｏｅｐｒｉｎｔｓ??

?基于密度劃分的自適應(yīng)鞋印圖像聚類算法研究???３００?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?－??２５０?？?＊??皿?２００?－?－??毅??遯??Ｈ１５０＇?＂??Ｅ??不Ｔ＼?１００?■?－??５０?？?丨－??〇｜?．．?ｔｒｒ—???０?１０００?２０００?３０００?４０００?５０....

圖２．?３各類鞋印圖像的密度分布曲線??Ｆｉｇ．２．３?Ｔｈｅ?ｓｈｏｅｐｒｉｎｔ?ｄｅｎｓｉｔｙ?ｄｉｓｔｒｉｂｕｔｉｏｎ?ｃｉｒｃｕｅ?ｏｆ?ｅａｃｈ?ｃｌａｓｓ??

。??標(biāo)準(zhǔn)差的計(jì)算公式為：??丄??來）彳」７?２＞?Ｗ?－米））２?］２?（２．４）??其中Ｃ／為第／類，？，為Ｃ，．類的類內(nèi)點(diǎn)數(shù)目，＊ｓ（ｃ，．）表示該類的密度標(biāo)準(zhǔn)差。??３．４１?１?■?＇??■?．．．丨丨??—密度均值??３?２?＇?＾密度最大值ｈ??ｉ?，?密度最小值....

圖２．?６典型鞋印圖像??Ｆｉｇ．２．６?Ｓｏｍｅ?ｔｙｐｉｃａｌ?ｓｈｏｅｐｒｉｎｔ?ｓａｍｐｌｅｓ??

?大連海事大學(xué)碩士學(xué)位論文???類間密度分布不均勻的情況。如圖２．５各類內(nèi)點(diǎn)的密度分布曲線，其中３２９１個(gè)單幅鞋印??圖像類，它的密度值從１．４８到３．１范圍廣泛，密度較小的點(diǎn)到其他類的距離較遠(yuǎn)，密度??較大的點(diǎn)距離其他密度稠密類較近，同樣其他數(shù)目較少的類別密度曲線同樣存在這種問....

本文編號：4000320