版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、譜聚類算法近幾年已經(jīng)成為當前最流行的聚類算法之一。通常譜聚類算法的性能取決于是否選擇了合適的尺度參數(shù)。然而,在實際中為譜聚類算法選取一個合適的尺度參數(shù)是一個非常有挑戰(zhàn)性的問題。為此,本文提出了一種自適應(yīng)譜聚類算法(ASC),試圖解決譜聚類中的參數(shù)選取問題。在此基礎(chǔ)上,將該方法擴展到半監(jiān)督領(lǐng)域,提出了一種半監(jiān)督自適應(yīng)譜聚類算法(Semi-ASC)和半監(jiān)督譜聚類集成算法。最后,將上述算法應(yīng)用到圖像分割領(lǐng)域并取得了較好的分割效果。本文的主要工
2、作和創(chuàng)新點如下:
1)在傳統(tǒng)譜聚類算法的基礎(chǔ)上引入類似核選取的技巧,提出了一個能自動選取尺度參數(shù)的自適應(yīng)譜聚類算法ASC。在人工和UCI數(shù)據(jù)集上對ASC算法和現(xiàn)有的譜聚類參數(shù)選擇算法作了比較,實驗結(jié)果表明了所提算法的有效性。
2)將半監(jiān)督的思想引入到自適應(yīng)譜聚類算法中,提出了一種半監(jiān)督自適應(yīng)譜聚類算法Semi-ASC。進一步,為提高對成對約束監(jiān)督信息的利用程度,通過對約束集進行重采樣,提出一種半監(jiān)督譜聚類集成
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于人工免疫的自適應(yīng)譜聚類算法研究與應(yīng)用.pdf
- 一種自適應(yīng)譜聚類算法研究.pdf
- 基于自然鄰的自適應(yīng)譜聚類算法研究.pdf
- 自適應(yīng)的譜聚類算法研究及其在火焰分割上的應(yīng)用.pdf
- 基于近鄰路徑的自適應(yīng)尺度譜聚類算法研究.pdf
- 譜聚類算法的研究與應(yīng)用.pdf
- 基于DBSCAN的自適應(yīng)聚類算法研究.pdf
- 快速譜聚類算法的研究與應(yīng)用.pdf
- 譜聚類算法研究和應(yīng)用.pdf
- 基于MapReduce的自適應(yīng)密度聚類算法研究.pdf
- 自適應(yīng)模糊C-均值聚類算法研究.pdf
- 基于自適應(yīng)布谷鳥搜索算法的聚類算法研究及應(yīng)用
- 譜聚類算法及其應(yīng)用研究.pdf
- 改進的譜聚類集成算法研究與應(yīng)用.pdf
- 基于模糊理論的譜聚類算法研究與應(yīng)用.pdf
- 自適應(yīng)判別降維模糊聚類算法研究.pdf
- 基于密度模式的參數(shù)自適應(yīng)聚類算法研究.pdf
- 譜聚類算法研究及其在文本聚類中的應(yīng)用.pdf
- 自適應(yīng)微分進化模糊聚類分割算法研究.pdf
- 基于自適應(yīng)遺傳算法的橢圓聚類方法研究
評論
0/150
提交評論