基于关联规则的图像挖掘技术研究

论文摘要

随着图像数据获取设备和获取手段的广泛应用,我们获取了海量的图像数据,数据库急剧膨胀,这造成了“数据过量而知识贫乏”的瓶颈。如何从这些图像数据中挖掘出有用的知识,是目前迫切需要解决的问题。本文对目前图像挖掘的研究及应用现状进行综述,阐明了图像挖掘的特点及图像挖掘的主要问题,随后分析了图像挖掘的框架模型,介绍了图像挖掘的主要技术。本文详细论述了基于关联规则的图像挖掘技术。设计完成了一个图像挖掘原型系统。最后借用实例研究了基于关联规则的图像挖掘技术在现实中的应用,通过关联规则方法获取了相关规则,进而对挖掘出图像知识的管理和存储进行了探讨,为相关的决策支持提供了参考。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 本文的研究背景和意义
• 1.2 国内外研究现状
• 1.3 论文研究内容和章节安排
• 第二章 图像挖掘的体系和技术
• 2.1 图像挖掘
• 2.2 图像挖掘的总体思路
• 2.2.1 功能驱动型图像挖掘
• 2.2.2 信息驱动型图像挖掘
• 2.2.3 概念驱动型图像数据挖掘
• 2.3 图像挖掘系统的模型结构
• 2.3.1 图像挖掘前的预处理
• 2.3.2 构造数据立方
• 2.3.3 特征提取
• 2.4 图像挖掘的技术和方法
• 2.5 小节
• 第三章 基于关联规则的图像挖掘理论研究
• 3.1 关联规则
• 3.2 关联规则的分类
• 3.3 关联规则挖掘的一般步骤
• 3.4 Apriori 算法
• 3.4.1 算法概述
• 3.4.2 算法应用实例
• 3.4.3 算法的优缺点分析
• 3.5 图像关联规则挖掘
• 3.5.1 图像关联规则挖掘特点
• 3.5.2 图像关联规则挖掘思路
• 3.6 小结
• 第四章 图像挖掘系统的设计
• 4.1 实验系统的设计框架
• 4.1.1 系统开发平台
• 4.1.2 实验系统框架
• 4.2 系统原型功能及人机界面设计
• 4.3 数据的预处理
• 4.4 算法设计及规则解释
• 4.5 实验结果分析
• 4.6 小结
• 第五章 图像知识的获取和管理
• 5.1 引言
• 5.2 图像知识的存储方法
• 5.2.1 知识库的建立
• 5.2.2 知识库与数据库
• 5.2.3 图像知识的表达和存储
• 5.3 小结
• 第六章 结束语
• 6.1 本文的主要工作
• 6.2 后继工作及展望
• 致谢
• 参考文献
• 读研期间研究成果