基于半監(jiān)督聚類的圖像分割算法研究.pdf

1、圖像分割是圖像分析和模式識別的首要問題，它在很大程度上決定著圖像的最終質(zhì)量分析和判別分析的結(jié)果，半監(jiān)督聚類是目前機器學習和數(shù)據(jù)挖掘領(lǐng)域的一個研究熱點，吸引了眾多學者對該領(lǐng)域進行研究，并取得了一定的研究成果。本文對圖像分割方法和半監(jiān)督聚類方法進行了研究，提出了兩種基于半監(jiān)督聚類的圖像分割算法，并通過實驗對其分割效果進行了驗證，一定程度上豐富了圖像分割算法的研究內(nèi)容，給圖像分割問題的求解提供了新的思路，具有一定的科研價值和應(yīng)用潛力。

2、　　 半監(jiān)督聚類是利用數(shù)據(jù)集中帶有標簽或者限制信息的樣本數(shù)據(jù)輔助聚類的過程，因此，半監(jiān)督聚類中最重要的問題就是如何有效的利用原始數(shù)據(jù)中提供的已知標簽或限制信息，指導聚類過程，使其趨向于得到較好的結(jié)果?；诎氡O(jiān)督聚類的圖像分割算法針對傳統(tǒng)基于聚類的圖像分割算法存在的問題，這個問題是初始化類中心具有很大的隨機性，利用半監(jiān)督思想對基于聚類的圖像分割算法進行改進，集成有限的人工監(jiān)督信息，即在圖像上點擊有限的幾個點以標識對應(yīng)區(qū)域之間的關(guān)系，將這

3、些點作為基于半監(jiān)督聚類的圖像分割算法中的帶有標簽信息的樣本數(shù)據(jù)，利用這些樣本數(shù)據(jù)初始化類中心，即借助少部分標簽數(shù)據(jù)輔助大量無標簽數(shù)據(jù)進行聚類學習，從而提高算法性能。
　　 從結(jié)構(gòu)上看，本文首先對圖像分割的基本理論和常用方法進行了介紹，包括傳統(tǒng)圖像分割方法和結(jié)合特定理論的圖像分割方法，本文提出的兩種基于半監(jiān)督聚類的圖像分割算法就是在結(jié)合特定理論的圖像分割方法中介紹的基于聚類的方法的基礎(chǔ)上改進的。
　　 第三章中對半監(jiān)督學習

4、、半監(jiān)督聚類的相關(guān)理論進行了解釋，對常用的聚類算法進行了介紹，明確了聚類的通用流程，重點介紹了兩種經(jīng)典的半監(jiān)督聚類算法Seeds-KMeans算法和Constrained-KMeans算法。
　　 第四章中提出了本文的核心內(nèi)容基于半監(jiān)督KMeans聚類的圖像分割算法和基于半監(jiān)督FCM聚類的圖像分割算法，從算法提出的意義、算法的具體流程、以及算法的驗證實驗三個方面進行了詳細的闡述。驗證實驗表明，本文提出的算法在一定程度上效果良好。