魯棒高斯聚類及其在圖像分割中的應(yīng)用.pdf

1、作為無(wú)監(jiān)督模式分類的一個(gè)重要分支,聚類分析近年來(lái)成為研究的熱點(diǎn),在許多領(lǐng)域被廣泛地應(yīng)用.應(yīng)當(dāng)認(rèn)識(shí)到,無(wú)論從理論的發(fā)展還是實(shí)際的應(yīng)用來(lái)看,算法如果要應(yīng)用于科學(xué)和工程領(lǐng)域中,就必須是魯棒的.對(duì)于聚類分析而言,魯棒性的兩個(gè)重要內(nèi)涵就是對(duì)噪聲和外圍點(diǎn)的魯棒性和對(duì)于初始化的魯棒性.該文研究了基于高斯估計(jì)量的魯棒聚類及其在圖像分割中的應(yīng)用.首先,針對(duì)模糊C均值聚類算法對(duì)于噪聲敏感的缺點(diǎn),將魯棒統(tǒng)計(jì)學(xué)引入聚類分析,提出了基于高斯估計(jì)量的魯棒估計(jì),并發(fā)

2、展出能夠?qū)︻愔行膶?shí)現(xiàn)魯棒估計(jì)的魯棒高斯聚類(RGC)算法,以及可以檢測(cè)不同大小類的多分辨魯棒高斯聚類(MRRGC)算法.這些無(wú)約束的魯棒高斯聚類算法體現(xiàn)了良好的對(duì)于噪聲的魯棒性.其次,為了克服可能性聚類和魯棒聚類對(duì)于初始化敏感、易產(chǎn)生"巧合類"的弱點(diǎn),將模糊約束引入魯棒參數(shù)估計(jì)理論,提出了基于模糊加權(quán)的M估計(jì),并發(fā)展出模糊魯棒高斯聚類(FRGC)算法.進(jìn)一步放寬加權(quán)函數(shù)的約束條件,發(fā)展出比例加權(quán)魯棒高斯聚類(PWRGC)算法和多分辨比例