改進(jìn)的譜聚類算法及其在圖像分割中的應(yīng)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(diǎn)，非常適合于許多實(shí)際問題，所以一直是機(jī)器學(xué)習(xí)領(lǐng)域中研究的熱點(diǎn)。而圖像作為一種重要的信息表達(dá)、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(guān)鍵，是理解圖像和識(shí)別圖像的基礎(chǔ)，因此，找到一種有效的圖像分割方法對(duì)促進(jìn)圖像的應(yīng)用非常關(guān)鍵。近年來有關(guān)譜聚類算法在圖像分割中的應(yīng)用研究受到了眾多學(xué)者的廣泛

2、關(guān)注。雖然，目前基于譜聚類算法的圖像分割技術(shù)己經(jīng)取得了一些好的結(jié)果，但是，由于該技術(shù)仍處于初級(jí)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(duì)譜聚類算法利用先驗(yàn)信息提高聚類質(zhì)量的問題，研究了如何使用先驗(yàn)信息調(diào)整相似度矩陣，使相似度矩陣具有更明顯的數(shù)據(jù)結(jié)構(gòu)，并對(duì)類簇結(jié)構(gòu)監(jiān)督調(diào)整，給出了一種改進(jìn)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(yīng)用于圖像分割中。
　　本研究主要內(nèi)容包括：⑴如何充

3、分利用先驗(yàn)信息的問題。有效的利用先驗(yàn)信息對(duì)提高聚類質(zhì)量能夠起到事半功倍的效果，針對(duì)這個(gè)問題，給出了一種改進(jìn)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(duì)相似度的內(nèi)容進(jìn)行調(diào)整，使相似度矩陣具有更明顯的類簇結(jié)構(gòu)，從而改善用于聚類的特征向量的分布，同時(shí)利用先驗(yàn)信息對(duì)得到的類簇結(jié)構(gòu)進(jìn)行監(jiān)督，并對(duì)違反約束的樣本重新劃分類簇，以提高算法的準(zhǔn)確性。實(shí)驗(yàn)證明，該算法較傳統(tǒng)的聚類算法在準(zhǔn)確性上有顯著改善。⑵如何有效、快速的應(yīng)用于圖像分割中