用matlab实现基于关联规则的数据挖掘算法
一、用matlab实现基于关联规则的数据挖掘算法
先查一查有没有相关的包.
如果是要用aproprio算法,建议把算法看懂,自己试一试.
应该不难.
二、为什么用matlab做数据挖掘呢
数据可视化效果好！图形表示出来比较形象，说服力强！
高效快捷有章可循
MATLAB中的数据挖掘功能
MATLAB作为一个强大的科学计算软件，用来做数据挖掘，特别是利用其简单的矩阵语言加工具箱函数来实现数据挖掘算法的示例，是比较合适的。
Statistics Toolbox和Neural Networks Toolbox可以用来实现回归和分类；Optimization Toolbox和Genetic Algorithm and Direct Search Toolbox可以帮助聚类算法进行最优化运算；Fuzzy Logic Toolbox可以进行规则推理――这些都是显而易见的。上述工具箱是一些通用的工具，而下面这几个函数的挖掘味儿则似乎更浓一些。
kmeans() k-均值聚类
treefit() 决策树回归或分类
svmclassify() 支持向量机分类
knnclassify() k-近邻分类
crossvalind() 交叉验证试验
这些函数主要在Statistics Toolbox和Bioinformatics Toolbox中，通过MATLAB的帮助文档可以获得更多信息。曾经听说MATLAB处理大规模数据集时的效率远远不如SAS等专门的统计软件，因此在实际的挖掘项目中可否采用MATLAB仍有待商榷。
三、急需《基于MATLAB的卷积码计算机仿真》毕业论文资料！
matlab论文
作者：佚名 转贴自：本站原创 点击数：21256 更新时间：2005-6-20 文章录入wuzechun
基于MATLAB 的图像处理与分析
X
何希平1 , 张琼华2
(1. 重庆工商大学实验实习中心,重庆400033 ; 2. 重庆工商大学图书馆,重庆400033)
摘 要:介绍了MATLAB 图像处理工具箱中的函数,给出了图像处理与分析的技术实现,如
用直方图均衡进行图像增强,通过形态学方法进行图像特征抽取与分析,借助于分水岭图像分
割实现目标检测等。
关键词:灰度图像;形态学变换;标记;分割;特征抽取
中图分类号:TP 317. 4 文献标识码:A
MATLAB6. 1(R12. 1) 是一套功能十分强大的工程计算及数据分析软件,其应用范围涵盖了数学、工业
技术、电子科学、医疗卫生、建筑、金融、数字图像处理等各个领域。许多工程师和研究人员发现,MATLAB
能迅速测试其构思,综合评测系统性能,并能借此快速设计出更多的解决方案,达到更高的技术要求。
MATLAB 的图像处理工具箱,功能十分强大,支持的图像文件格式丰富,如3 . BMP , 3 . JPG, 3 . JPEG,
3 . GIF , 3 . TIF , 3 . TIFF , 3 . PNG, 3 . PCX , 3 . XWD , 3 . HDF , 3 . ICO , 3 . CUR 等。利用MATLAB 所提
理函数,并给出用MATLAB 实现图像处理与分析的应用技术实例。
1 MATLAB 的图像处理工具概述
MATLAB6. 1(R12. 1) 提供了20 类图像处理函数,涵盖了图像处理的包括近期研究成果在内的几乎所
有的技术方法,是学习和研究图像处理的人员难得的宝贵资料和加工工具箱。这些函数按其功能可分
为:图像显示;图像文件I/ O ;图像算术运算;几何变换;图像登记;像素值与统计;图像分析;图像增强;线
性滤波;线性二元滤波设计;图像去模糊;图像变换;邻域与块处理; 灰度与二值图像的形态学运算;结构
元素创建与处理;基于边缘的处理; 色彩映射表操作;色彩空间变换;图像类型与类型转换。
2 应用MATLAB 工具箱进行图像分析处理
2. 1 用直方图均衡实现图像增强
当图像对比度较低,即灰度直方图分布区间较窄时,可用直方图均衡实现灰度分布区间展宽而达到
图像增强的效果。下面是实现的源程序及相关功能的注解:
%源程序:test1. m
X 收稿日期:2003 - 02 - 27 ;修回日期:2003 - 03 - 30
作者简介:何希平(1968 - ) ,男,四川人,博士生,重庆工商大学副教授,从事多媒体数据压缩、网络信息系统研究。
. 1995-2005 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved.
clear , close all %清除所有内存变量、图形窗口
I = imread(’pout. tif’)
; %将图像文件pout. tif 的图像像素数据读入矩阵I
imshow( I) %显示图像I ,图像对比度低,如图1a
figure , imhist ( I) %在新图形窗口中显示图像I 的直方图,如图1c。可以注意到图像
%亮度范围相当狭窄,并未完全覆盖可能的范围[0 ,255 ]
I2 = histeq( I) ; %对图像I 做直方图均衡补偿在整个范围内展宽亮度值并输出到矩阵I2 ,因而改进了图像I 的对
比度
figure , imshow( I2) %在新图形窗口中显示新图像I2 , 如图1b
figure , imhist ( I2) %在新图形窗口中显示图像I2 的直方图, 如图1d
imwrite ( I2 , ’pout2. png’)
; %将对比度调节的结果图像写入PNG格式的文件
a 原图 b 直方图均衡结果图 c 原图像的直方图 d 结果图像的直方图
图1 直方图均衡补偿消去图像噪声
程序运行后,可得如图1 的对比图像。
2. 2 用形态学方法进行图像处理与分析
以rice. tif 为图像实例,介绍用形态学方法对灰度图像进行处理与分析的技术要点,即对灰度图像进
行如下操作:去除图像的不均匀背景;用设置阈值的方法(thresholding) 将结果图像转换成二值图像;通过
成分标记(components labeling) 返回图像中的目标对象属性,并计算目标对象的统计数字特征。其算法步
骤描述如下:
(1) 用工具箱函数imread 和imshow 读取和显示8 位灰度图,如图2a 。
(2) 用形态学开运算(Morphological Opening) 估计背景。通过调用imopen 并对输入图像I 执行形态学
开运算, 取半径为15 的圆盘结构元素,且结构元素通过函数strel 建立。形态学开运算有消除不能完全包
含在半径为15 的圆盘内的目标对象的作用。注意到图像(如图2b) 中央的背景照度(background illumina2
tion) 比底部要亮。
(3) 用surf 指令察看背景图像。用Surf 指令创建近似背景的彩色表面图(如图2c) ,使人可以看到在
一个矩形区域上的数学函数特征。在表面图中,[0 , 0 ] 表示原点, 或图像左上角,曲面图最高部分表示背
景的最亮像素(从而rice. tif 的背景的最亮像素出现在图像中央行的附近,而最暗像素出现在图像的底
部) 。
(4) 从原图像中减去背景图像。须用图像处理工具箱的图像算术函数imsubtract 产生均匀的背景(如
图2d) 。
(5) 调节图像对比度。用imadjust 指令增大图像对比度(如图2e) 。imadjust 函数需要一个输入图像且
也可带两个矢量: [ low high ] 和[ bottom top ] . 输出图像通过将输入图像中low 值映射到输出图像中的bot2
tom 值、high 值映射到输出图像中的top 值,并将low 与high 间的值进行线性缩放而产生。
(6) 对图像进行阈值处理。先调用graythresh ,自动计算一个适当的阈值;然后使用graythresh 返回的
阈值,调用im2bw 执行阈值处理,将灰度图像转换成二值图像(如图2f) 。
(7) 确定图像中的目标对象并予以标记。调用bwlabel 寻找连通成份而且用惟一的数字将他们分类
标记。bwlabel 接受一个二值图像和指定各目标对象的连通性的值(4 或8 ,表示4 或8 连通) 作为输入。
注意: 结果的准确性依赖于许多因素,包括: 目标对象的大小; 近似背景的准确程度; 是否设定连接
3 2 第2 期 何希平等: 基于MATLAB 的图像处理与分析
. 1995-2005 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved.
a 原图b 背景
性参数为4 或8 ; 是否任何目标对象均相接(在
这种情况下他们可能被标记为同一目标对象) ;
在该实例中, rice 的一些谷粒正好相接,因
此bwlabel 把它们视为了同一目标对象。
(8) 查看标记矩阵。看一看bwlabel 产生的
标记的近似形状是有用的。调用imcrop 并用鼠
标选择包含某一目标对象的一部分及其一些背
景的部分图,则所选部分图的像素值会在MAT2
LAB 窗口中返回。若查看上面的结果,你会看到
c 背景的表面图d 原图与背景的差
一个对象的一角标以某数字标记k ,这意味着它
是第k 个被bwlabel 分类的目标对象。imcrop 函
数也可带矢量指定剪裁矩形的坐标。在这种情
况下,它不执行交互式操作。举例来说,
rect = [15 25 10 10 ] ; roi = imcrop (labeled ,
rect)
这个调用指定一个剪裁矩形的左上角坐标
始于(15 ,25) ,而且高度和宽度均为10 。
一种查看标记矩阵的好方法是将它显示成
e 图像对比度调节结果 f 阈值处理后的二值图
一种假彩色索引图像(如图2g) 。在假彩色索引
图像中,将标记矩阵中区分每一对象的数字映射
成了相关色彩映射矩阵中的一种不同的颜色。
当把一个标记矩阵看成一个RGB 图像时,图像
中的对象是比较容易区别的。为此, 使用la2
bel2rgb 函数。使用该函数时,可以指定色彩映
射表,背景颜色,以及标记矩阵中的对象如何映
射为色彩映射表中的颜色。
(9) 测量图像中的对象属性。regionprops 指
令可测量图像中的对象或区域的属性,并返回一
g 假彩色标记图h 谷粒大小分布图
图2 形态学图像处理的对比分析结果
个结构数组。当将其作用于一个图像成分的标
记矩阵时,它为每个成分建立一个结构元素,而
每一结构元素包含一个标记成分的一些基本属
性。regionprops 函数支持对许多不同的属性予以
测量, 但是设定属性参数为’basic’旨在返回最
常用的三个量: 面积(Area) , 质心或块中心
(Centroid) 和边框(BoundingBox) 。边框Bounding2
Box 表示能容纳一个区域(所举实例中的谷粒)
的最小长方形, 为四元素矢量: [ left top width
height ] 。
(10) 在图像中计算目标对象的统计特性。使用MATLAB 函数max , mean , 和hist 可计算被阈值处理
的目标对象的一些统计属性(如图2h) 。图像处理工具箱也有一些统计函数,如mean2 和std2 ,适用于图像
数据,因为他们对二维空间的数据返回单一值。
下面是算法实现的程序代码:
%程序代码:test2. m
clear , close all ,I = imread(’rice. tif’)
; imshow( I) %读取和显示8 位灰度图rice. tif
4 2 重庆工商大学学报 (自然科学版) 第20 卷
. 1995-2005 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved.
background = imopen( I ,strel (’disk’,15) ) ; %取半径为15 的圆盘结构元素对图像用开运算估计背景
figure ,imshow(background) %显示背景图
figure , surf (double (background (1 :8 : end ,1 :8 : end) ) ) ,zlim( [ 0 255 ]) ; %显示背景的彩色表面图,对8 ×8 格点取样set
(gca ,’ydir’,’reverse’)
;
I2 = imsubtract ( I ,background) ; figure , imshow( I2) %从原图像中减去背景图像,并显示结果图
I3 = imadjust ( I2 , stretchlim( I2) ,[0 1 ]) ;figure , imshow( I3) ; %调节图像对比度,并显示结果图
level = graythresh( I3) ;bw = im2bw( I3 ,level) ; figure , imshow(bw) %将灰度图像转换成二值图像
[ labeled ,numObjects ] = bwlabel(bw ,4) ; % 成分标记,4 具体指定4 - 连通成分.
grain = imcrop (labeled) % 用鼠标选取实现交互式剪裁标记成分的一部分
RGB-label = label2rgb(labeled , @spring , ’c’, ’shuffle’)
; %把一个标记矩阵转换成一个RGB 图像
figure ,imshow(RGB-label) ;
graindata = regionprops(labeled ,’basic’)
%调用regionprops ,为rice 的每一经阈值处理
%的谷粒返回一个基本属性的结构。由BoundingBox 的域返回四元素矢量: [ left top width height ]。
graindata (51) . Area , graindata(51) .BoundingBox , graindata(51) . Centroid
allgrains = [graindata. Area ] %用点号存取graindata 的所有元素的面积域并将该数据存入
%新的矢量allgrains。这个步骤简化了对面积量的分析,因为不必使用域名存取面积。
max(allgrains) %找最大谷粒的大小。allgrains 中的数据是一维的, 故函数mean 和std 是适用的。
biggrain = find(allgrains = = ans) %使用find 指令返回该最大谷粒的成分标记
mean(allgrains) %求平均粒径
hist (allgrains ,20) %作包含20 个方柱的显示谷粒大小分布的直方图。直方图表明,在rice 图像中谷粒最通常的
%大小在300 到400 个像素的范围内(如图2h) 。
2. 3 用分水岭分割法检测连通目标
在一个图像中检测目标是图像分割的一个例子。为分割连通目标,时常用Watershed 变换。如果把一
幅图像看做一个具有山(高亮度) 和低谷(低亮度) 的表面,那么这个变换在一幅图像中找亮度低谷。实
现包括下列步骤:
(1) 读图像。读入图像afmsurf . tif , 它是一幅原子能显微镜下的衣料表面图像(如图3a) 。
(2) 对比度最大化。注意到图像中有许多彼此连通的不同大小的对象。为使通过watershed 变换找到
的低谷数目最小,我们使感兴趣的对象的对比度达到最大。对比度增强的一个常用的技术是综合应用top
- hat 和bottom - hat 变换。
top - hat 变换定义为原图像和它的开之差。图像的开是一与特定结构元素匹配的图像前景部分的集
合(如图3b) 。bottom - hat 变换定义为在原图像和它的闭之间的差。图像的闭是一与特定结构元素匹配的
图像背景的集合(如图3c) 。
通用的结构元素是正方形,长方形,圆盘,菱形,球和线。既然图像中我们感兴趣的目标对象看起来像
圆盘,我们用strel 函数建立一个半径为15 个像素的圆盘形结构元素。这个圆盘尺度是图像中的目标对象
的平均半径的一个估计。
(3) 图像相加减。看到top - hat 图像含有与结构元素匹配的对象的”巅峰”。相反,bottom - hat 图像
显示出感兴趣的目标对象之间的间隙。为使目标对象与分隔它们的间隙之间的对比达到最大,用“原图
+ top - hat 图像- bottom - hat 图像”得到增强的结果图(如图3d) 。
(4) 转换感兴趣的对象。调用watershed 变换找出图像的亮度”低谷”,把imcomplement 函数作用于增
强过的图像上,将感兴趣的目标对象转换为亮度低谷,得到增强图的补图(如图3e) 。
(5) 检测亮度低谷。对所得补图运用imextendedmin 函数检测低于某特别阈值的所有亮度低谷。
imextendedmin 函数的输出是一个二值(逻辑值) 图像(如图3f) 。二值图像中重要的是区域的位置而非区域
的大小。用imimposemin 函数把补图改为只含有那些由imextendedmin 函数找到的低谷,并将低谷的像素值
变为0 (8 位图像可能的深谷) (如图3g) 。
(6) Watershed 分割。通过watershed 变换,可找出来所有含有强加给最小值的区域。用watershed 函数
实现Watershed 分割。watershed 函数返回一个标记矩阵,它含有对应于watershed 区域的非负数。凡未落入
5 2 第2 期 何希平等: 基于MATLAB 的图像处理与分析
. 1995-2005 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved.
图3 用Watershed 分割法检测连通
目标的图像渐近过程
任何watershed 区域的像素均被赋予像素值0。用label2rgb
把一个标记矩阵变为一幅图像(如图3h) 。
(7) 从标记矩阵中抽取目标对象的特征。可用region2
props 函数从标记矩阵中抽取特征。比如说,可以计算两个
量(面积和方向) 并把他们看成彼此的一个函数。
下面给出算法的实现代码:
%程序代码:test3. m
afm = imread (’afmsurf . tif’)
; figure , imshow(afm) , title (’surface im2
age’)
;se = strel (’disk’, 15) ;
Itop = imtophat (afm , se) ; figure , imshow( Itop , [ ]) , title (’top - hat im2
age’)
;
Ibot = imbothat (afm , se) ; figure , imshow( Ibot , [ ]) , title (’bottom - hat
image’)
;
Ienhance = imsubtract (imadd ( Itop , afm) , Ibot) ; figure , imshow( Ien2
hance) , title (’original + top - hat - bottom - hat’)
;
Iec = imcomplement ( Ienhance) ; figure , imshow( Iec) , title (’complement
of enhanced image’)
;
Iemin = imextendedmin( Iec , 22) ; figure , imshow( Iemin) , title (’extend2
ed minima image’)
;
Iimpose = imimposemin ( Iec , Iemin) ; figure , imshow( Iimpose) , title ( ’
imposed minima image’)
;
wat = watershed( Iimpose) ;rgb = label2rgb(wat) ; figure , imshow(rgb) ;
title (’watershed segmented image’)
;
stats = regionprops (wat , ’Area’, ’Orientation’)
; area = [ stats ( :) .
Area ] ; orient = [ stats( :) . Orientation] ;
figure , plot (area , orient , ’b 3 ’)
; title (’Relationship of Particle Orienta2
tion to Area’)
;
xlabel (’particle area (pixels) ’)
; ylabel (’particle orientation (degrees) ’)
;
参考文献:
[1 ] 孙兆林.MATLAB 6. x 图像处理[M] . 北京:清华大学出版社,2002
[2 ] 崔屹. 图像处理与分析―――数学形态学方法及其应用[M] . 北京:科学出版社,2000
[3 ] 张远鹏,董海,周文灵. 计算机图像处理技术基础[M] . 北京:北京大学出版社,1996
Image processing and analysis based on MATLAB
HE Xi - ping1 , ZHANG Qiong - hua2
(1. Center of Experiment and Practice ,ChongQing Technology and Business University ,ChongQing 400033 ,China ;
2. Library , ChongQing Technology and Business University , ChongQing 400033 ,China)
Abstract :This paper first introduces the functions of MATLAB image processing toolbox , then presents some
techniques in image processing and analysis , such as image enhancement by using histogram equalization , image fea2
ture extracting and analysis with morphological methods , and objects detection through watershed image segmentation.
Key words : grayscale intensity image ; morphological transform; labeling ; segmentation ; feature extraction
责任编辑:杨祖彬
6 2 重庆工商大学学报 (自然科学版) 第20 卷
. 1995-2005 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved.
收稿日期:2002208224
MATLAB 及其在图像处理中的应用
许志影,李晋平
(中国矿业大学资源学院,江苏徐州 221008)
摘要: 介绍了MATLAB 的特点和功能,分析了MATLAB 在图像处理中的应用,并结合实例说明了MATLAB 在图像处理中
关键词: MATLAB ; 图像处理; 边缘提取
中图分类号: TN911. 73 文献标识码: A
MATLAB and Its Application to Digital Image Processing
XU Zhi2ying ,LI Jin2ping
(School of Resource & Geoscience ,China University of Mining and Technology ,Xuzhou 221008 ,China)
Abstract :Introduces properties and functions of MATLAB ,and analyses its applications to digital image processing ,finally ,displays the a2
bility of MATLAB in image processing with an example.
Keywords :MATLAB ;image processing ;edge detection
MATLAB 软件由美国Math Works 公司于1984 年
推出,历经十几年的发展和竞争,现已成为( IEEE) 国
际公认的最优秀的科技应用软件之一。作为一个跨
平台的软件,MATLAB 已推出Unix、Windows 9x/ NT、
Linux 和Mac 等十多种操作系统平台下的版本,大大
方便了在不同操作系统平台下的研究工作。目前基
于Windows 系统的最新版本已上升到MATLAB6. 5 ,它
继承了以往版本的优点,非常容易使用。
现在,MATLAB 已经发展成为一个系列产品:
MATLAB 主包和各种工具箱(TOOLBOX) 。目前已经
推出了30 多个工具箱,这些工具箱可分为两大类:功
能性工具箱和学科性工具箱。功能性工具箱主要用
来扩充其符号计算功能、图示建模仿真功能、文字处
理功能以及硬件实时交互功能,能用于多种学科。而
学科性工具箱是专业比较强的,如控制工具箱、信号
处理工具箱、图像处理工具箱和小波工具箱等多个学
科的专业工具箱。借助于这些工具箱,各个层次的研
究人员就可方便地进行研究工作,提高工作效率。
本文将简要介绍MATLAB6. 5 及其在图像处理中
的应用,希望对从事图像处理工作的研究人员有所帮
助。
1 MATLAB 概述
MATLAB 最初是作为矩阵实验室(Matrix Labora2
tory) 用来提供通往LINPACK和EISPACK矩阵软件包
接口的。后来,它逐渐发展成为通用科技计算和图视
交互系统的程序语言,其数据的基本单元是矩阵。它
的指令表达与数学、工程中常用的习惯形式十分相
似,从而使许多用C 或Fortran 实现起来十分复杂和
费时的问题用MATLAB 就可以轻松地解决。MAT2
LAB 的典型应用包括:数学计算、算法研究、数据分析
和计算结果可视化、建模与仿真等。
1. 1 MATLAB的特点
MATLAB 有三大特点:一是功能强大。主要包括
数值计算和符号计算、计算结果和编程可视化、数学
和文字统一处理、离线和在线计算。二是界面友好,
编程效率高。MATLAB 是一种以矩阵为基本单元的
可视化程序设计语言,语法结构简单,数据类型单一,
指令表达与标准教科书的数学表达式相近。三是开
放性强。MATLAB 有很好的可扩充性,可以把它当成
一种更高级的语言去使用。使用它很容易编写各种
通用或专用应用程序。
1. 2 MATLAB的主要功能
MATLAB 之所以成为世界顶级的科学计算与数
学应用软件,是因为它随着版本的升级与不断完善而
具有愈来愈强大的功能。
我的回答超过数字没办法
毕业论文资料，学校图书馆（网上）的期刊论文数据库很多啊，都是正式的论文。
论文不难写，主要是把毕业设计搞出来。
际蓝论文网版权声明：以上内容作者已申请原创保护，未经允许不得转载，侵权必究！授权事宜、对本内容有异议或投诉，敬请联系网站管理员，我们将尽快回复您，谢谢合作！
