图像纹理联合关联规则挖掘研究

doi:10.3778/j.issn.1002-8331.2009.26.043

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (26): 147-149.DOI: 10.3778/j.issn.1002-8331.2009.26.043

• 图形、图像、模式识别 • 上一篇下一篇

图像纹理联合关联规则挖掘研究

王佐成^1,2，张飞舟¹，薛丽霞²

1.北京大学遥感与地理信息系统研究所，北京 100871
2.重庆邮电大学软件学院，重庆 400065

收稿日期:2009-03-18 修回日期:2009-04-20 出版日期:2009-09-11 发布日期:2009-09-11
通讯作者: 王佐成

Research on image combined texture association rules mining

WANG Zuo-cheng^1,2，ZHANG Fei-zhou¹，XUE Li-xia²

1.Institute of Remote Sensing and Geographic Information System，Peking University，Beijing 100871，China
2.Software Institute，Chongqing University of Posts and Telecommunications，Chongqing 400065，China

Received:2009-03-18 Revised:2009-04-20 Online:2009-09-11 Published:2009-09-11
Contact: WANG Zuo-cheng

摘要/Abstract

摘要： 提出以纹理联合关联规则来表达图像纹理特征以及挖掘纹理联合关联规则的算法。在纹理关联规则定义基础上，通过图像降噪预处理和数据挖掘预处理，采用模板统计挖掘方法挖掘低维和高维图像纹理联合关联规则。实验表明联合关联规则能够较好表达图像纹理特征，可以据此进行纹理分割。

关键词: 图像纹理, 数据挖掘, 关联规则, 联合关联规则

Abstract: The representation method of texture features by image combined texture association rules and the algorithm of mining image combined texture association rules are proposed.Based on the concept of image combined texture association rule，by noise reduction and data mining preprocessing，multi-dimension image combined texture association rules data mining based on mask of texture image counting can be accomplished.Experiments testify that image combined texture association rules can represent the texture features perfectly and texture image segmentation can be achieved.

Key words: image texture, data mining, association rule, combined texture association rules

中图分类号:

TP391

王佐成^1,2，张飞舟¹，薛丽霞². 图像纹理联合关联规则挖掘研究[J]. 计算机工程与应用, 2009, 45(26): 147-149.

WANG Zuo-cheng^1,2，ZHANG Fei-zhou¹，XUE Li-xia². Research on image combined texture association rules mining[J]. Computer Engineering and Applications, 2009, 45(26): 147-149.

[1]	宗晓萍，陶泽泽. 基于掌握速度的知识追踪模型[J]. 计算机工程与应用, 2021, 57(6): 117-123.
[2]	高天宇，王庆荣，杨磊. 粗糙集属性依赖度强化的应急数据挖掘模型[J]. 计算机工程与应用, 2021, 57(3): 87-93.
[3]	马洋，赵旭俊. 基于相关子空间的多源离群检测算法[J]. 计算机工程与应用, 2021, 57(17): 88-95.
[4]	张念蓬，吴旭，朱强. 基于熵的过采样框架[J]. 计算机工程与应用, 2021, 57(13): 96-101.
[5]	张博文，刘智，桑国明. 基于核密度波动的异常检测算法[J]. 计算机工程与应用, 2021, 57(12): 132-136.
[6]	张振海，张湘婷. 上下文感知的高铁信息服务推荐方法研究[J]. 计算机工程与应用, 2021, 57(12): 231-236.
[7]	饶加旺，马荣华. 改进核密度估计的空间点密度算法[J]. 计算机工程与应用, 2021, 57(11): 260-265.
[8]	杨葛英，沈夏炯，史先进，张磊. 以概念格为背景的关联规则可视化[J]. 计算机工程与应用, 2021, 57(1): 84-91.
[9]	王杰，陈志刚，刘加玲，程宏兵. 基于聚类的云隐私行为挖掘技术[J]. 计算机工程与应用, 2020, 56(5): 80-84.
[10]	王子龙，李进，宋亚飞. 基于距离和权重改进的K-means算法[J]. 计算机工程与应用, 2020, 56(23): 87-94.
[11]	衣俊艳，吴博雅，雍巧玲. 具有加权特性的弹性网络聚类算法研究[J]. 计算机工程与应用, 2020, 56(22): 55-65.
[12]	纪文璐，王海龙，苏贵斌，柳林. 基于关联规则算法的推荐方法研究综述[J]. 计算机工程与应用, 2020, 56(22): 33-41.
[13]	顾军华，苏鸣，张亚娟，张丹红. 基于位编码链表的快速频繁模式挖掘算法研究[J]. 计算机工程与应用, 2020, 56(19): 86-93.
[14]	刘文芬，穆晓东，黄月华. 基于多分辨率网格的异常检测方法[J]. 计算机工程与应用, 2020, 56(17): 78-85.
[15]	刘莉萍1，章新友1，牛晓录2，郭永坤1，丁亮1. 基于Spark的并行关联规则挖掘算法研究综述[J]. 计算机工程与应用, 2019, 55(9): 1-9.

图像纹理联合关联规则挖掘研究

Research on image combined texture association rules mining

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics