收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

谱聚类算法研究及其在图像识别中的应用

张胜  
【摘要】:谱聚类算法是一类新兴的聚类算法,与传统的聚类算法相比,具有能在任意形状的样本空间上聚类,且能收敛于全局最优点,逐渐成为机器学习领域的研究热点。谱聚类算法主要是利用数据相似性矩阵特征分解后的特征向量进行聚类,因此,研究相似矩阵构建方法对谱聚类算法性能的影响,以及如何构造一个适合谱聚类的相似矩阵,对提高谱聚类算法性能具有十分重要的意义。 本文首先对现有谱聚类相似矩阵的构建方法进行了整理和总结,并利用多种聚类性能评价测度对常用构造方法对谱聚类算法性能的影响开展了相关评估实验。 其次,在基于共享近邻自适应高斯核相似度计算模型基础上,结合社会网络分析理论中节点重要性的概念,构建了基于共享近邻重要性的高斯核函数,提出了一种基于共享近邻重要性的自适应谱聚类算法,并在多种数据集上进行实验分析,实验结果表明该算法在聚类精度、算法稳定性等方面具有较好的性能。 第三,本文以某交通路面卫生状况识别为应用背景,将基于共享近邻重要性的自适应谱聚类算法应用于数字图像识别系统。该系统主要利用路面图像识别某一路口一段时间内路面清洁状况。由于对象图像背景比较复杂,不易直接对目标区域进行特征提取,论文通过图像分割、分块等图像预处理过程后提取了基于共生矩阵(GCLM)的纹理特征,并利用基于共享近邻重要性的自适应谱聚类算法进行识别,实验结果表明该算法具有较好的识别能力和容错性。 最后对本文的工作做下总结并简单介绍谱聚类算法面临的一些问题。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 马秀丽;焦李成;;基于分水岭-谱聚类的SAR图像分割[J];红外与毫米波学报;2008年06期
2 蒋勇;谭怀亮;李光文;;基于量子遗传谱聚算法的聚类[J];计算机应用;2011年09期
3 ;[J];;年期
4 ;[J];;年期
5 ;[J];;年期
6 ;[J];;年期
7 ;[J];;年期
8 ;[J];;年期
9 ;[J];;年期
10 ;[J];;年期
11 ;[J];;年期
12 ;[J];;年期
13 ;[J];;年期
14 ;[J];;年期
15 ;[J];;年期
16 ;[J];;年期
17 ;[J];;年期
18 ;[J];;年期
19 ;[J];;年期
20 ;[J];;年期
中国硕士学位论文全文数据库 前1条
1 张胜;谱聚类算法研究及其在图像识别中的应用[D];太原科技大学;2014年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978