發(fā)布時(shí)間：2018-03-08 16:03

  本文選題：高斯混合模型(GMM)　切入點(diǎn)：鄰域約束　出處：《模式識(shí)別與人工智能》2017年03期 　論文類型：期刊論文

【摘要】：針對(duì)傳統(tǒng)模糊聚類分割方法無(wú)法有效模擬數(shù)據(jù)分布特征的問(wèn)題,提出基于鄰域約束高斯混合模型的模糊聚類圖像分割算法.利用高斯分布刻畫(huà)聚類內(nèi)像素光譜測(cè)度統(tǒng)計(jì)特征,定義像素與其鄰域像素相關(guān)性的先驗(yàn)概率,并作為高斯混合模型中各高斯分量權(quán)重系數(shù),構(gòu)建包含特征場(chǎng)鄰域作用的高斯混合模型.利用高斯分量描述像素與聚類間的非相似性測(cè)度,建立基于高斯混合模型的模糊聚類目標(biāo)函數(shù).在傳統(tǒng)模糊聚類方法基礎(chǔ)上,采用高斯混合模型定義像素與聚類間的非相似性測(cè)度,并在高斯混合模型中融入鄰域作用,有效解決數(shù)據(jù)具有多峰值特征的問(wèn)題.最后通過(guò)實(shí)驗(yàn)驗(yàn)證文中算法的準(zhǔn)確性.
[Abstract]:Aiming at the problem that the traditional fuzzy clustering segmentation method can not effectively simulate the characteristics of data distribution, a fuzzy clustering image segmentation algorithm based on neighborhood constrained Gao Si hybrid model is proposed. A priori probability of the correlation between pixels and their neighboring pixels is defined, and used as the weight coefficients of each Gao Si component in Gao Si's mixed model. In this paper, a Gao Si hybrid model with the neighborhood effect of feature field is constructed. Then, the objective function of fuzzy clustering is established by using Gao Si component to describe the dissimilarity between pixels and clusters. Based on the traditional fuzzy clustering method, the objective function of fuzzy clustering is established. Gao Si's mixed model is used to define the dissimilarity measure between pixels and clustering, and the neighborhood function is incorporated into Gao Si's mixed model, which effectively solves the problem of multi-peak data. Finally, the accuracy of the proposed algorithm is verified by experiments.
【作者單位】： 遼寧工程技術(shù)大學(xué)測(cè)繪與地理科學(xué)學(xué)院遙感科學(xué)與應(yīng)用研究院;
【基金】：國(guó)家自然科學(xué)基金面上項(xiàng)目(No.41271435);國(guó)家自然科學(xué)基金青年基金項(xiàng)目(No.41301479) 遼寧省自然科學(xué)基金項(xiàng)目(No.2015020190)資助~~
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張敏,趙猛,賈云得,王俊;基于自適應(yīng)高斯混合模型的圖像穩(wěn)定方法[J];北京理工大學(xué)學(xué)報(bào);2004年10期

2 趙征鵬,楊鑒;基于高斯混合模型的非母語(yǔ)說(shuō)話人口音識(shí)別[J];計(jì)算機(jī)工程;2005年06期

3 侯建華;熊承義;田金文;柳健;;圖像小波系數(shù)的高斯混合模型研究[J];計(jì)算機(jī)應(yīng)用;2006年03期

4 顧明亮;馬勇;;基于高斯混合模型的漢語(yǔ)方言辨識(shí)系統(tǒng)[J];計(jì)算機(jī)工程與應(yīng)用;2007年03期

5 袁禮海;李釗;宋建社;;利用高斯混合模型實(shí)現(xiàn)概率密度函數(shù)逼近[J];無(wú)線電通信技術(shù);2007年02期

6 張超瓊;苗奪謙;岳曉冬;;基于高斯混合模型的語(yǔ)音性別識(shí)別[J];計(jì)算機(jī)應(yīng)用;2008年S2期

7 王岐學(xué);錢(qián)盛友;趙新民;;基于差分特征和高斯混合模型的湖南方言識(shí)別[J];計(jì)算機(jī)工程與應(yīng)用;2009年35期

8 韓曉峰;;基于自回歸的高斯混合模型[J];科技風(fēng);2009年23期

9 馬超;張政石;;基于二維高斯混合模型的駕駛行為分析[J];硅谷;2011年05期

10 肖維;;基于高斯混合模型的圖像檢索算法研究[J];軟件導(dǎo)刊;2011年04期

相關(guān)會(huì)議論文 前10條

1 廖頻;沈理;;基于高斯混合模型的人臉圖象識(shí)別研究[A];2001年中國(guó)智能自動(dòng)化會(huì)議論文集（上冊(cè)）[C];2001年

2 馬盡文;何學(xué)鋒;;高斯混合模型的數(shù)據(jù)尺度可壓縮參數(shù)學(xué)習(xí)算法[A];第十四屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)(CCSP-2009)論文集[C];2009年

3 瞿俊;姜青山;董槐林;;基于高斯混合模型的層次聚類算法[A];第二十三屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2006年

4 蔡念;郭文婷;陳世文;潘晴;;融合高斯混合模型和小波變換的運(yùn)動(dòng)目標(biāo)檢測(cè)[A];第十五屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

5 龍艷花;郭武;戴禮榮;;一種應(yīng)用于SVM說(shuō)話者確認(rèn)系統(tǒng)的新型序列核[A];第九屆全國(guó)人機(jī)語(yǔ)音通訊學(xué)術(shù)會(huì)議論文集[C];2007年

6 劉李漫;陶文兵;田金文;;融合多高斯混合模型與Graph Cuts優(yōu)化技術(shù)的目標(biāo)自動(dòng)檢測(cè)方法[A];第十五屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

7 唐英干;劉東;關(guān)新平;;基于高斯混合模型的多分辨率圖像分割[A];第十二屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2005年

8 何大勇;;基于高斯混合模型的視頻圖像中運(yùn)動(dòng)目標(biāo)檢測(cè)研究[A];第24屆全國(guó)煤礦自動(dòng)化與信息化學(xué)術(shù)會(huì)議暨第6屆中國(guó)煤礦信息化與自動(dòng)化高層論壇論文集[C];2014年

9 于海;趙合計(jì);;視頻序列中的運(yùn)動(dòng)目標(biāo)檢測(cè)[A];第三屆中國(guó)智能計(jì)算大會(huì)論文集[C];2009年

10 張愛(ài)華;王斌;徐燕;;非均衡文本分類中基于特征分布的抽樣技術(shù)研究[A];第六屆全國(guó)信息檢索學(xué)術(shù)會(huì)議論文集[C];2010年

相關(guān)博士學(xué)位論文 前2條

1 王益文;復(fù)雜網(wǎng)絡(luò)節(jié)點(diǎn)影響力模型及其應(yīng)用[D];浙江大學(xué);2015年

2 陳雪峰;圖像高斯混合模型的判別學(xué)習(xí)方法[D];北京理工大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 許莉薇;基于高斯混合模型林業(yè)信息文本分類的技術(shù)研究[D];東北林業(yè)大學(xué);2015年

2 張曉紅;基于候選生成的貓臉檢測(cè)[D];哈爾濱工業(yè)大學(xué);2015年

3 付娜;基于視頻的運(yùn)動(dòng)人體行為捕捉算法研究[D];北京理工大學(xué);2015年

4 王炳輝;基于層次貝葉斯自適應(yīng)稀疏的高斯混合模型[D];大連理工大學(xué);2015年

5 邱藤;基于高斯混合模型的EM算法及其應(yīng)用研究[D];電子科技大學(xué);2015年

6 王春輝;基于高斯混合模型的多源異類交通數(shù)據(jù)融合研究[D];杭州師范大學(xué);2016年

7 馬小林;擁擠場(chǎng)景視頻中異常行為檢測(cè)研究[D];南京大學(xué);2013年

8 陳玉雯;基于高斯混合模型聚類的變量選擇及應(yīng)用[D];蘭州大學(xué);2016年

9 李健;基于風(fēng)格相似的個(gè)性化音樂(lè)推薦系統(tǒng)研究[D];華中科技大學(xué);2015年

10 陳英;高斯混合模型聚類及其優(yōu)化算法研究[D];華東交通大學(xué);2015年

，

本文編號(hào)：1584577