半监督空间化竞争聚集算法及其在图像分割中的应用

• 作者: 于平 王士同
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 竞争聚集算法 相似度度量函数 欧氏距离 半监督 空间距离 阈值参数
• 年，卷（期）: 2015,（2）
• 页码范围: 234-241
• 页数: 8页
• 分类号: TP391.41
• 字数: 7104字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2015.02.045

摘要

经典竞争聚集( CA)算法在聚类时对于样本中的少量已知信息没有加以利用，但这些信息往往需要应用到整个聚类过程中。此外，在相似度度量函数的选择上CA算法使用常见的欧氏距离，然而欧氏距离仅适用于团状数据，制约了算法的应用范围。针对上述问题，通过引入具备半监督学习能力的半监督项对隶属度矩阵进行增强，利用聚类中心和中心邻近的点组成空间，把样本点与该空间的距离替代欧氏距离作为新的相似度度量标准，并给出判断聚类中心能否合并的阈值参数，最终得到半监督空间化CA算法。通过在人造图像和真实图像上的分割结果表明，该算法能够更准确地获取聚类类别数以及更好的聚类效果。

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	江南大学数字媒体学院	528	3424	23.0	37.0
2	于平	江南大学数字媒体学院	2	4	2.0	2.0