知识迁移的极大熵聚类算法及其在纹理图像分割中的应用

• 作者: 王士同 程旸 蒋亦樟 钱鹏江
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 迁移学习 中心迁移匹配 极大熵聚类 纹理图像分割 抗噪性
• 年，卷（期）: 2017,（2）
• 页码范围: 179-187
• 页数: 9页
• 分类号: TP181
• 字数: 6883字
• 语种: 中文
• DOI: 10.11992/tis.201603005

摘要

本文研究了一种新型的基于知识迁移的极大熵聚类技术.拟解决两大挑战性问题: 1)如何从源域中选择合适的知识对目标域进行迁移学习以最终强化目标域的聚类性能;2)若存在源域聚类数与目标域聚类数不一致的情况时,该如何进行迁移聚类.为此提出一种全新的迁移聚类机制,即基于聚类中心的中心匹配迁移机制.进一步将该机制与经典极大熵聚类算法相融合提出了基于知识迁移的极大熵聚类算法(KT-MEC).实验表明,在不同迁移场景下的纹理图像分割应用中,KT-MEC算法较很多现有聚类算法具有更高的精确度和抗噪性.

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	钱鹏江	江南大学数字媒体学院	33	123	5.0	9.0
3	蒋亦樟	江南大学数字媒体学院	50	216	8.0	11.0
4	程旸	江南大学数字媒体学院	4	16	2.0	4.0