原文服务方: 科技与创新       
摘要:
本文给出了一个无监督图像类别聚类的新方法,该方法基于信息理论原理--信息瓶颈.本聚类方法基于阶段性的分组:首先,对给定文档中的每一张图像应用高斯混合模型,在选定的特征空间中,以一组相连接的区域来表示图像.然后,确保簇和图像内容之间的互信息最大化,对图像进行分组.簇的合适数量可直接由信息瓶颈原理决定.实验结果显示出了该聚类方法在真实图像数据库中的表现.
推荐文章
基于信息瓶颈法的运动目标区域聚类
信息瓶颈
混合高斯模型
运动目标
聚类
无监督环境下基于聚类集成的特征选择
特征聚类
无监督学习
集成聚类
半监督极大熵聚类的研究
聚类分析
极大熵聚类
半监督学习
标签数据
距离学习
基于K-均值聚类的无监督的特征选择方法
特征选择
相关性分析
无监督学习
聚类
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 信息瓶颈方法在无监督图像聚类中的研究
来源期刊 科技与创新 学科
关键词 图像类别 无监督聚类 图像分组 信息瓶颈
年,卷(期) 2008,(24) 所属期刊栏目 图像处理
研究方向 页码范围 308-309,189
页数 3页 分类号 TP311
字数 语种 中文
DOI 10.3969/j.issn.1008-0570.2008.24.125
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 朱琳 7 4 1.0 1.0
2 王宇杰 郑州大学信息工程学院 2 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (2)
共引文献  (5)
参考文献  (2)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2000(2)
  • 参考文献(1)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
图像类别
无监督聚类
图像分组
信息瓶颈
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
科技与创新
半月刊
2095-6835
14-1369/N
大16开
2014-01-01
chi
出版文献量(篇)
41653
总下载数(次)
0
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导