仪器仪表学报
儀器儀錶學報
의기의표학보
Chinese Journal of Scientific Instrument
2015年
7期
1562-1569
,共8页
谱聚类%核模糊聚类%图像分割%t最近邻的方法
譜聚類%覈模糊聚類%圖像分割%t最近鄰的方法
보취류%핵모호취류%도상분할%t최근린적방법
spectral clustering%kernel fuzzy-clustering%image segmentation%t-nearest-neighbor method
相似性度量的选择是谱聚类算法良好性能实现的关键.通常采用的谱聚类相似性的度量是基于高斯核函数的相似性度量.然而,谱聚类对这种相似度度量中的尺度参数非常敏感,并且确定一个合适的参数也很困难.另外,基于欧几里得的这种高斯核相似度度量无法有效反映复杂分布数据集的分布特点.针对此问题,通过利用基于核模糊C均值聚类算法得到的划分矩阵中隶属度的分布特点,提出了一个新的核模糊相似度度量,并将基于所提出的新的相似度度量的谱聚类算法(KFSC)应用于图像分割中.所提出的KFSC算法不仅克服了谱聚类对尺度参数敏感,而且解决了尺度参数很难确定的问题,获得更好的聚类效果.3个标准数据集、2个合成纹理图像及2个自然图像上的分割实验表明了所提出算法的有效性和鲁棒性.
相似性度量的選擇是譜聚類算法良好性能實現的關鍵.通常採用的譜聚類相似性的度量是基于高斯覈函數的相似性度量.然而,譜聚類對這種相似度度量中的呎度參數非常敏感,併且確定一箇閤適的參數也很睏難.另外,基于歐幾裏得的這種高斯覈相似度度量無法有效反映複雜分佈數據集的分佈特點.針對此問題,通過利用基于覈模糊C均值聚類算法得到的劃分矩陣中隸屬度的分佈特點,提齣瞭一箇新的覈模糊相似度度量,併將基于所提齣的新的相似度度量的譜聚類算法(KFSC)應用于圖像分割中.所提齣的KFSC算法不僅剋服瞭譜聚類對呎度參數敏感,而且解決瞭呎度參數很難確定的問題,穫得更好的聚類效果.3箇標準數據集、2箇閤成紋理圖像及2箇自然圖像上的分割實驗錶明瞭所提齣算法的有效性和魯棒性.
상사성도량적선택시보취류산법량호성능실현적관건.통상채용적보취류상사성적도량시기우고사핵함수적상사성도량.연이,보취류대저충상사도도량중적척도삼수비상민감,병차학정일개합괄적삼수야흔곤난.령외,기우구궤리득적저충고사핵상사도도량무법유효반영복잡분포수거집적분포특점.침대차문제,통과이용기우핵모호C균치취류산법득도적화분구진중대속도적분포특점,제출료일개신적핵모호상사도도량,병장기우소제출적신적상사도도량적보취류산법(KFSC)응용우도상분할중.소제출적KFSC산법불부극복료보취류대척도삼수민감,이차해결료척도삼수흔난학정적문제,획득경호적취류효과.3개표준수거집、2개합성문리도상급2개자연도상상적분할실험표명료소제출산법적유효성화로봉성.
