模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2010, Vol. 23 Issue (3): 320-326    DOI:
论文与报告 最新目录| 下期目录| 过刊浏览| 高级检索 |
一种增量迭代方式下的特征向量聚类方法
黄锐,桑农,刘乐元,罗大鹏,唐奇伶
华中科技大学 图像识别与人工智能研究所 图像信息处理与智能控制教育部重点实验室 武汉 430074
A Method of Clustering Feature Vectors via Incremental Iteration
HUANG Rui,SANG Nong,LIU Le-Yuan,LUO Da-Peng,TANG Qi-Ling
State Education Commission Key Laboratory for Image Processing and Intelligent Control,Institute of Image Recognition and Artificial Intelligence,
Huazhong University of Science and Technology,Wuhan 430074

全文: PDF (511 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 采用一种数据组织方式,提出一种特征向量聚类方法。首先选取特征空间中一些容易聚类的高密度数据点作为初始种子集合,并对其进行聚类。然后从剩下的数据点中选取种子集合的所有k近邻数据点,通过半监督判别式分析方法将当前种子集合及其k近邻数据投影到一个新的投影空间中,在该空间中对这些数据点再进行聚类,得到新的聚类结果,并将这些k近邻数据添加到当前种子集合中。通过迭代上述步骤,当种子集合的k近邻数据为空集时,算法结束。实验表明,该聚类方法优于经典的K-means、均值漂移、谱聚类等算法。
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
黄锐
桑农
刘乐元
罗大鹏
唐奇伶
关键词 特征向量聚类半监督判别式分析均值漂移    
Abstract:A method of clustering in feature space is proposed in this paper via a kind of organization of data points. Firstly, those feature data points with higher densities which are relatively easy to be clustered are picked out as the initial seed data set. Then, the k-nearest neighbors of data in seed set are selected from the remained data points in feature space, and the data points in seed set and their k-nearest neighbors are transformed into a new space. In this space those data points are re-clustered, and the k-nearest neighbors are merged into current seed set. The above steps are iterated, and the clustering method will not terminate until there are no k-nearest points of the seed set to be found. Experimental results show that the clustering method performs better than the traditional clustering methods such as K-means, mean shift and spectral clustering.
Key wordsFeature Vector    Clustering    Semi-Supervised Discriminant Analysis    Mean Shift   
收稿日期: 2009-09-07     
ZTFLH: TP242.6+2  
基金资助:国家863计划项目(No.2007AA01Z166)、国家自然科学基金项目(No.60805006)资助
作者简介: 黄锐,男,1981年生,博士研究生,主要研究方向为计算机视觉、机器学习等.E-mail:ruihuang2008@gmail.com.桑农,男,1968年生,教授,博士生导师,主要研究方向为图像处理、模式识别等.刘乐元,男,1982年生,博士研究生,主要研究方向为图像处理、视频监控等.罗大鹏,男,1978年生,博士研究生,主要研究方向为图像处理、视频监控等.唐奇伶,男,1973年生,博士后,主要研究方向为生物视觉、机器学习等.
引用本文:   
黄锐,桑农,刘乐元,罗大鹏,唐奇伶. 一种增量迭代方式下的特征向量聚类方法[J]. 模式识别与人工智能, 2010, 23(3): 320-326. HUANG Rui,SANG Nong,LIU Le-Yuan,LUO Da-Peng,TANG Qi-Ling. A Method of Clustering Feature Vectors via Incremental Iteration. , 2010, 23(3): 320-326.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2010/V23/I3/320
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn