改進的譜聚類算法及其在圖像分割中的應用研究.pdf

1、譜聚類算法是一種經(jīng)典的聚類分析方法，與傳統(tǒng)的聚類算法相比，它具有在任意形狀的樣本空間中聚類且收斂于全局最優(yōu)解的優(yōu)點，非常適合于許多實際問題，所以一直是機器學習領域中研究的熱點。而圖像作為一種重要的信息表達、傳遞的方式，在人類的社交中扮演著越來越重要的作用。圖像分割是圖像處理到圖像分析的關鍵，是理解圖像和識別圖像的基礎，因此，找到一種有效的圖像分割方法對促進圖像的應用非常關鍵。近年來有關譜聚類算法在圖像分割中的應用研究受到了眾多學者的廣泛

2、關注。雖然，目前基于譜聚類算法的圖像分割技術己經(jīng)取得了一些好的結果，但是，由于該技術仍處于初級研究階段，因此仍然存在著許多亟待研究和解決的問題。本課題針對譜聚類算法利用先驗信息提高聚類質量的問題，研究了如何使用先驗信息調整相似度矩陣，使相似度矩陣具有更明顯的數(shù)據(jù)結構，并對類簇結構監(jiān)督調整，給出了一種改進的基于貝葉斯決策的半監(jiān)督譜聚類算法，并通過Nystr?m逼近采樣的方式將該算法應用于圖像分割中。
　　本研究主要內容包括：⑴如何充

3、分利用先驗信息的問題。有效的利用先驗信息對提高聚類質量能夠起到事半功倍的效果，針對這個問題，給出了一種改進的基于貝葉斯決策的半監(jiān)督譜聚類算法。該算法通過基于貝葉斯決策對相似度的內容進行調整，使相似度矩陣具有更明顯的類簇結構，從而改善用于聚類的特征向量的分布，同時利用先驗信息對得到的類簇結構進行監(jiān)督，并對違反約束的樣本重新劃分類簇，以提高算法的準確性。實驗證明，該算法較傳統(tǒng)的聚類算法在準確性上有顯著改善。⑵如何有效、快速的應用于圖像分割中