本文關鍵詞：輸入特征向量的自適應優(yōu)化——以遙感圖像K-均值聚類為例，由筆耕文化傳播整理發(fā)布。

【摘要】：針對在常規(guī)聚類應用中一般通過人工試湊調試輸入特征分量表達式和權重所帶來的參數(shù)選擇困難的問題,該文以自適應計算替代人工調試為目的,給出了一個稱為"輸入特征向量自適應優(yōu)化"(Self-adaptive Optimization of Input Feature Vector,SOIFV)的新方法。SOIFV分為兩個部分:1)優(yōu)化輸入向量各分量的權重,它通過評估聚類結果的均質特性和緊密程度,確定權分量的改正方向和改正值,通過迭代逐步逼近最適宜的權向量;2)優(yōu)化特征向量的描述符組合,這種優(yōu)化通過使用描述符范例數(shù)據庫自適應替換不適宜的特征分量實現(xiàn),替換在當前最適宜權向量的指導下進行。以遙感圖像K-均值聚類為例,以MATLAB為模擬平臺,對SOIFV進行仿真測試;精度評估的測試樣本以圖像點采樣獲取,并與常規(guī)聚類方法作了精度比較。實驗表明:SOIFV對聚類輸入特征向量的自適應優(yōu)化有效,以優(yōu)化輸入向量聚類的平均全局精度為85.27%,比使用常規(guī)方法聚類提高18.82%。
【作者單位】： 華東師范大學地理系;華東師范大學地理信息科學教育部重點實驗室;
【關鍵詞】： 聚類 特征空間 權重向量 自適應 K-means
【基金】：國家自然科學基金(J1310028)
【分類號】：TP751
【正文快照】： 0引言聚類算法能在幾乎不依靠先驗知識的情況下,提供實體的自然集群,因此在人工智能識別領域始終占有重要地位。近20年來,還被廣泛用于語音識別、機器視覺、數(shù)據壓縮、信息檢索[1-2]和遙感圖像分析等領域[3]。圖像聚類是將像素集劃分為若干類的過程,這種劃分依靠像素在給定圖

【參考文獻】

中國期刊全文數(shù)據庫 前10條

1 袁周米琪;周堅華;;自適應確定K-means算法的聚類數(shù):以遙感圖像聚類為例[J];華東師范大學學報(自然科學版);2014年06期

2 馮波;郝文寧;陳剛;占棟輝;;K-means算法初始聚類中心選擇的優(yōu)化[J];計算機工程與應用;2013年14期

3 趙鳳;劉漢強;范九倫;潘曉英;;應用于遙感圖像分割的原型提取譜聚類集成算法[J];武漢大學學報(信息科學版);2012年12期

4 原福永;張曉彩;羅思標;;基于信息熵的精確屬性賦權K-means聚類算法[J];計算機應用;2011年06期

5 周堅華;周一凡;穆望舒;;城鎮(zhèn)綠地樹種識別的數(shù)學描述符[J];遙感學報;2011年03期

6 曹志宇;張忠林;李元韜;;快速查找初始聚類中心的K_means算法[J];蘭州交通大學學報;2009年06期

7 夏夢雨;葉春明;吳勇;;利用博弈演化算法求解置換Flow shop調度問題[J];制造業(yè)自動化;2007年07期

8 袁方;周志勇;宋鑫;;初始聚類中心優(yōu)化的k-means算法[J];計算機工程;2007年03期

9 王熙照,王亞東,湛燕,袁方;學習特征權值對K-均值聚類算法的優(yōu)化[J];計算機研究與發(fā)展;2003年06期

10 孫才志,王敬東,潘俊;模糊聚類分析最佳聚類數(shù)的確定方法研究[J];模糊系統(tǒng)與數(shù)學;2001年01期

【共引文獻】

中國期刊全文數(shù)據庫 前10條

1 開雋;朱永忠;;基于改進模糊聚類模型的居民生活水平評價[J];信息技術;2016年04期

2 楊玉梅;;基于信息熵改進的K-means動態(tài)聚類算法[J];重慶郵電大學學報(自然科學版);2016年02期

3 任旭瑞;周堅華;;輸入特征向量的自適應優(yōu)化——以遙感圖像K-均值聚類為例[J];遙感信息;2016年02期

4 鄭丹;王名揚;陳廣勝;;基于Weighted-slope One的用戶聚類推薦算法研究[J];計算機技術與發(fā)展;2016年04期

5 沈德勝;朱良寬;宋佳音;李克新;;基于改進k均值聚類方法的林木冠層孔隙度提取[J];森林工程;2016年02期

6 耿志強;陳杰;韓永明;;基于模糊RBF神經網絡的乙烯裝置生產能力預測[J];化工學報;2016年03期

7 章宦記;;改良的kmeans與K近鄰算法特性分析[J];電子產品世界;2016年01期

8 謝益均;繆裕青;邵其武;高韓;文益民;;概念漂移數(shù)據流中可探測新穎類別的分類算法[J];桂林電子科技大學學報;2015年06期

9 張一名;;云計算環(huán)境下的數(shù)據挖據算法研究[J];信息化建設;2015年12期

10 張陽;何麗;朱顥東;;一種改進的K-means動態(tài)聚類算法[J];重慶師范大學學報(自然科學版);2016年01期

【二級參考文獻】

中國期刊全文數(shù)據庫 前10條

1 馮波;郝文寧;陳剛;占棟輝;;K-means算法初始聚類中心選擇的優(yōu)化[J];計算機工程與應用;2013年14期

2 徐曉e，

本文編號：503295