基于密度估计的谱聚类算法研究与应用

《基于密度估计的谱聚类算法研究与应用》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、分类号密级硕±学位论文题目：基于密度估计的谱聚类算法研究与应用：证色ｒｅｓｅａｒｃｈａｎｄａｌｉｃａｔｉｏｎｏｆｌｕｓｔｅｒｉｎ英支并列题目ｐｐｓｐ洗础ｃｇａｌｇｏｒｉｔｈｍｂ批ｅｄｏｎｄｅｎｓｉｔｙ閱ｔｉｍａｔｉｏｎ研究生：坚避专业；升算机科学与技术研究方向：人工智能与模式识别导师；葛洪伟指导小组成员：学位授予日期：２０１６年６月答辩委员会主席：吴小俊江南大学地址：无巧市寒巧大道１撕０号二〇—六年六月独创性青明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得

2、的研究成果。尽我所知，除了文中巧别加Ｗ标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含本人为获得江南大学或其Ｅ教育机拘的学位或证书而使巧过的材料一＇同工。与我作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。签名日期：如／ｉｎ，主如关于论文使用授权的说明本学位论文作者完全了解江南大学有关保留、使用学位论文的规定：江南大学有权保留并向国家有关部口或机构送交论文的复印件和磁盘，允许论文被查阔和借巧，可Ｗ将学位论文的全部或部分内容编入有关数据库进伊险索，可＆采用或扛据、汇影印印等复制手段保存编学位论文，并且本人

3、电子文柱的论文的一内容和纸容相致。质内保密的学位论文在解后也遵此规定。密守签名：签名：导师系兩啼幕命如以曰：，期如摘要摘要谱聚类算法是一种在谱图划分理论基础上发展而来的聚类算法。与其它聚类算法相比，谱聚类算法不仅具有坚实的理论基础，而且能够在任意的样本空间聚类；并可以收敛到全局最优，是近年来比较流行的聚类算法。构造相似度矩阵是谱聚类算法中相当重要的步骤，因此，本文针对如何构造相似度矩阵的问题进行研究；提出了两种基于密度估计构造相似度矩阵的方法，并将这两种算法应用于彩色图像分割。论文的主要工作如下：首先，提出了基于局部密度和测地距离的谱聚类算法。该算法先计算样本的局部密度，

4、寻找每个样本点的最近高密度点，并选择边缘点和非边缘点；然后在边缘点与其最近高密度点之间构造边、非边缘点之间的K个近邻点构造边，依此计算测地距离和相似度并进行聚类。通过实验分析表明，该算法在处理稀疏粘连数据集时可以获得更高的准确率。然后，提出了基于密度系数和共享近邻的谱聚类算法。首先计算每个样本点的密度系数，根据密度系数的大小计算加权的自适应尺度参数;其次计算样本点之间共享近邻点的个数并计算所有样本点之间的相似度；最后根据相似度进行聚类。实验结果表明，通过密度系数加权计算相似度的方法可以更好的描述复杂分布样本点之间的相似性，获得优越的聚类效果。最后，将本文提出的两种基于密度估计的谱聚类算法应用

5、到彩色图像分割中。由于彩色图像含有较多像素，简单的对像素进行聚类需要消耗更多的资源；这里为了更方便的使用谱聚类算法进行图像分割，利用SLIC超像素算法对图像进行预分割产生多个超像素，然后提取每个超像素的LUV颜色特征，并采用两种基于密度估计的谱聚类算法对颜色特征进行聚类，从而实现对彩色图像的分割。经过实验分析表明，本文提出的两种基于密度估计的谱聚类算法均可以成功应用于图像分割，并取得了不错的分割效果。关键词：谱聚类；密度估计；测地距离；共享近邻；图像分割IAbstractAbstractSpectralclusteringalgorithmisaclusteringalgorithmdeve

6、lopedinspectralgraphpartitioningtheory,whichhasbeenwidelyconcerned.Becomparedtootherclusteringalgorithms,spectralclusteringalgorithmnotonlyhasasolidtheoreticalfoundation,butalsobeabletoclusterinarbitraryshapeofsamplespace,andcanconvergencetotheglobaloptimum,soitisverypopularinrecentyears.Similarity

7、matrixisanextremelyimportantpartinspectralclusteringalgorithm.Therefore,thispaperexploreshowtoconstructasimilaritymatrix,andproposestwomethodsbasedondensityestimationtoconstructsimilaritymatrix,andappliesth