改进的判别割及其在图像分割中的应用

• 作者: 邹小林
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 谱聚类 判别割算法 主成分分析 图像分割
• 年，卷（期）: 2012,（8）
• 所属期刊栏目: 图形图像技术
• 页码范围: 2291-2295,2298
• 分类号: TP391.41
• 字数: 5618字
• 语种: 中文
• DOI: 10.3724/SP.J.1087.2012.02291

摘要

谱聚类算法能在任意形状的样本空间上聚类且收敛于全局最优解,但判别割(Dcut)算法在计算正则化相似度矩阵及其特征向量时比较耗时,而基于子空间的Dcut( SDcut)算法则不稳定,为此,提出基于主成分分析(PCA)的Dcut算法(PCA-Dcut).PCA-Dcut算法采用PCA算法计算相似度矩阵的前m个大的特征值对应的特征向量构造一个新的矩阵,然后采用构造的矩阵与相似度矩阵和拉普拉斯矩阵分别进行矩阵运算；接着通过计算获得一个m阶正则化相似度矩阵,并计算该矩阵的k个最大特征向量；最后使用构造的矩阵与这k个特征向量相乘获得最终用于分类的特征向量.PCA-Dcut算法能降低Dcut算法的计算复杂度.通过对人工合成数据集、UCI数据集和真实图像的仿真实验表明,PCA-Dcut算法的聚类准确率与Dcut等谱聚类算法相当,同时在分割图像时的运算速度约为Dcut的5.4倍,并具有比SDcut更快的速度和更好的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邹小林	肇庆学院数学与信息科学学院	31	99	6.0	8.0