图像分割的谱聚类集成算法

• 作者: 柳炳祥 焦李成 贾建华
• 来源期刊: 西安交通大学学报
• 关键词: 谱聚类 集成学习 Hungarian算法 成分数据
• 年，卷（期）: 2010,（6）
• 页码范围: 93-98
• 分类号: TP391.41
• 语种: 中文

摘要

针对谱聚类算法对尺度参数敏感的问题,利用集成学习算法良好的鲁棒性和泛化能力,提出了一种无监督集成学习算法--谱聚类集成算法.该算法先利用谱聚类的内在特性产生集成学习所需的多个聚类个体,再采用Hungarian算法对生成的聚类个体进行重新标记,计算每个样本点关于每一个类别所占的比例,得到一个成分向量,然后运用对数比变换将所得的成分向量映射到另一个空间,去除成分数据的不适定性,最后对映射后的数据进行聚类,从而得到最终的集成结果.通过对UCI数据集和纹理图像的仿真实验表明,所提算法的聚类准确率与常用的共识函数具有一定的可比性,且运算代价较小,所需时间大约为MCLA算法的一半,同时避免了精确选择谱聚类算法的尺度参数.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	柳炳祥	景德镇陶瓷学院信息工程学院	154	681	13.0	21.0
2	焦李成	西安电子科技大学智能感知与图像理解教育部重点实验室	514	14586	52.0	103.0
3	贾建华	西安电子科技大学智能感知与图像理解教育部重点实验室	12	80	4.0	8.0