基于动态子空间距离的图像聚类

• 作者: 周向东 周皓峰 方晨 施伯乐 汪卫 王智慧
• 来源期刊: 计算机研究与发展
• 学科: 工学
• 关键词: 图像检索 子空间聚类 语义相似性 特征 DSDF
• 年，卷（期）: 2006,（z3）
• 所属期刊栏目: 空间数据库、时态数据库、多媒体数据库
• 页码范围: 552-557
• 页数: 6页
• 分类号: TP311.13
• 字数: 5305字
• 语种: 中文

摘要

聚类分析作为一种重要的非指导学习方法,在多媒体数据管理中得到越来越多的应用,如对图像进行聚类预处理,有助于发现图像之间的语义相似性、减少检索代价等.但是,由于图像语义与视觉特征之间的差异,使得图像聚类的效果还有待进一步提高.聚类分析中,图像通常用高维特征向量表示,显然,在描述图像的相似性方面,各个维所代表的视觉特征的重要性是不一样的,甚至彼此矛盾.传统方法通过权重调整或降维并不能很好地解决上述问题.提出一种新的动态子空间距离计算公式(DSDF),根据任意两幅图像之间关联比较密切的维度,计算出图像之间的相似子空间距离,并利用Clarans聚类算法进行图像子空间聚类.实验表明,该方法在图像聚类效果上明显优于传统聚类方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	施伯乐	复旦大学计算机与信息技术系	188	4414	33.0	61.0
2	周皓峰	复旦大学计算机与信息技术系	15	314	5.0	15.0
3	汪卫	复旦大学计算机与信息技术系	100	1152	16.0	29.0
4	王智慧	复旦大学计算机与信息技术系	12	158	5.0	12.0
5	周向东	复旦大学计算机与信息技术系	35	323	10.0	17.0
6	方晨	复旦大学计算机与信息技术系	2	1	1.0	1.0