浅议基于动态子空间距离的图像聚类

《浅议基于动态子空间距离的图像聚类》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、复旦大学硕士学位论文基于动态子空间距离的图像聚类姓名：方晨申请学位级别：硕士专业：计算机软件与理论指导教师：施伯乐20070522论文独创性声明本论文是我个人在导师指导下进行的研究工作及取得的研究成果。论文中除了特别加以标注和致谢的地方外，不包含其他人或其它机构已经发表或撰写过的研究成果。其他同志对本研究的启发和所做的贡献均已在论文中作了明确的声明并表示了谢意。作者签名：盈!Iv期：论文使用授权声明矿@'1．6．19本人完全了解复旦大学有关保留、使用学位论文的规定，即：学校有权保留送交论文的复印件，允许论文被查阅和借阅；

2、学校可以公布论文的全部或部分内容，可以采用影印、缩印或其它复制手段保存论文。保密的论文在解密后遵守此规定。作者签名：二舻导师签名：陋日期：摘要聚类分析作为一种重要的非指导学习方法，在多媒体数据管理中得到越来越多的应用，如对图像进行聚类预处理，有助于发现图像之间的语义相似性、减少检索代价等。但是，由于图像语义与视觉特征之间的差异，使得图像聚类的效果还有待进一步提高。聚类分析中，图像通常用高维特征向量表示，显然，在描述图像的相似性方面，各个维所代表的视觉特征的重要性是不一样的，甚至彼此矛盾。传统方法通过权重调整或降维并不能很

3、好地解决上述问题。本文提出一种新的动态子空间距离计算公式(DSDF)，根据任意两幅图像之间关联比较密切的维度，计算出图像之间的相似子空间距离，并利用Clarans聚类算法进行图像子空间聚类。实验表明，本文方法在图像聚类效果上明显优于传统聚类方法。关键词图像检索，子空间聚类，语义相似性，特征，I)SDF中图法分类号TP311．13基于动态子空间距离的I鳘

4、像聚类复黾大学硕士学位论文AbstractClustering,asaveryimportantlearningmethod，ismoreandmorecommonlyu

5、sedinmultimediadatamanagement．Suchaspre—clusteringonimages，itishelpfultodiscoverthesemanticsimilaritybetweenimagesandtoreducethecostinimage—retrieval．Butsincethedifferencebetweenlligh—levelsemanticandlow—levelfeatureofimages，theresultoftheclusteringisnotthatgood．

6、Whenwemeasurethesimilarityoftheimages，wewillfindthatdifferentdimensionhasdifferentimportance．Traditionalmethodsintendtosolvetheproblembyadjusttheweiightsofthedimensionsorreducethenumberofthedimensions，buttheydon’tworkwellundersomeconditions．Sothispaperpresentadyn

7、amicsubspacedistancefunction(DSDn．Whenmeasurethesimilarityoftwoimages，wedynamicallychoosethesimilardimensionsandcomputethedistancebetweentheimagesinthesubspaee．ThenweUSeCLARANSAlgorithmtodotheclustering．Theresultsoftheexperimentshowtbatourmethodisbetterthanthetra

8、ditionaloncs．KeywordsImage—retrieval，subspaeeclustering,semanticsimilarity,feature，DSDF基于动态子空间距离的图像聚类6复且大学硕士学位论文第一章引言随着数字图像技术应用的日益广泛，对大量图像数据进行高效地检索、存贮与管理的需求越来越迫切。基于内容的图像检索(CBlR)是目前流行的图像检索技术，即通过提取图像的视觉特征，用特征向量(如颜色直方图、纹理特征系数等)来表示图像。查询时，根据用户的查询样本图像，系统按照特定的相似性度量规则(如计

9、算特征向量之间的距离)在数据库中遍历所有图像，并选择最相似的若干幅作为查询结果。随着现在数据库越来越庞大，遍历数据库查找的时间代价已经让人无法接受，因此，出现了多种高维索引技术。为了进一步提高查询效率，聚类方法在目前流行的度量空间索引技术如M．tree[8]，Idistance[9]等中得到了普遍应用。文献【1，6，