Renyi信息熵指导下的聚合层次化聚类

• 作者: 白雪 罗四维 黄雅平
• 来源期刊: 北京交通大学学报
• 学科: 工学
• 关键词: 聚合层次化聚类:图像过分割 Renvi熵
• 年，卷（期）: 2011,（5）
• 所属期刊栏目: 计算机与信息技术
• 页码范围: 78-83
• 分类号: TP391.4
• 字数: 3704字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-0291.2011.05.015

摘要

聚合层次化聚类是聚类分析中发现数据集潜在结构的一类重要方法.在这类方法中,影响聚类质量的一个关键问题是如何度量子类之间的距离.作为子类间的相似性度量,不但可以通过非参数估计的方式进行计算,还可有效地利用子类数据集中所有样本提供的信息,对子类中数据分布的描述更加充分.实验结果显示,在两种具有代表性的人造数据集上,基于Renyi熵的类间距离度量比3种传统度量方法有更好的层次化聚类效果.并且.在图像过分割的情况下,通过Renyi熵距离对子分割区域进行合并可以找到合理的分割目标.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗四维	北京交通大学计算机与信息技术学院	99	1303	17.0	33.0
2	黄雅平	北京交通大学计算机与信息技术学院	24	272	6.0	16.0
3	白雪	北京交通大学计算机与信息技术学院	7	9	2.0	2.0