基于稀疏Parzen窗密度估计的快速自适应相似度聚类方法

• 作者: 王士同 邓赵红 钱鹏江
• 来源期刊: 自动化学报
• 关键词: 相似度聚类 密度估计 时间复杂度 图像分割
• 年，卷（期）: 2011,（2）
• 所属期刊栏目: 论文与报告
• 页码范围: 179-187
• 页数: 9页
• 语种: 中文
• DOI: 10.3724/SP.J.1004.2011.00179

摘要

相似度聚类方法(Similarity-based clustering method,SCM)因其简单易实现和具有鲁棒性而广受关注.但由于内含相似度聚类算法(Similarity clustering algorithm,SCA)的高时间复杂度和凝聚型层次聚类(Agglomerative hierarchicalclustering,AHC)的高空间复杂度,SCM不适用大数据集场合.本文首先发现了 SCM和核密度估计问题的本质联系,并以此入手,通过快速压缩集密度估计器(Fast reduced set density estimator,FRSDE)和基于图的松弛聚类(Graph-based relaxed clustering,GRC)算法提出了快速自适应相似度聚类方法(Fast adaptive similarity-based clustering method,FASCM).相比于原SCM,该方法的主要优点是:1)其总体渐近时间复杂度与样本容量呈线性关系;2)不依赖于人工经验的干预,具有了自适应性.由此,FASCM适用于大数据集环境.该方法的有效性在图像分割应用中进行了验证.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王士同		528	3424	23.0	37.0
2	邓赵红		86	764	11.0	26.0
3	钱鹏江		33	123	5.0	9.0