集成式位置敏感聚類
大?。?/span>0.90 MB 人氣: 2018-01-08 需要積分:1
標(biāo)簽:聚類(14184)
針對常用圖像聚類尤其是圖像視覺聚類方法聚類速度慢、不支持增量聚類的局限,提出了集成式位置敏感聚類方法。該方法首先根據(jù)聚類有效性指標(biāo)估計合適的聚類數(shù)目,然后生成多重哈希函數(shù),并用它們對各數(shù)據(jù)點進行映射得出多重桶標(biāo)記,再對數(shù)據(jù)集各桶標(biāo)記進行聚類得出多個基劃分,最后對多個基劃分進行集成得出最終劃分。實驗結(jié)果表明,在準(zhǔn)確率方面,集成式位置敏感聚類在人工數(shù)據(jù)上與k-means結(jié)合聚類集成的方法相當(dāng),在圖像集上與k-means結(jié)合聚類集成的方法接近。但集成式位置敏感聚類的優(yōu)點在于其聚類時間快、適合于增量聚類等。因此,集成式位置敏感聚類方法可以用于解決高維圖像特征聚類問題。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
集成式位置敏感聚類下載
相關(guān)電子資料下載
- 對新輔助TCHP治療響應(yīng)的HER2+乳腺癌空間蛋白質(zhì)組特征 547
- 使用輪廓分?jǐn)?shù)提升時間序列聚類的表現(xiàn) 316
- 基于K-means聚類算法的圖像分割 1113
- 介紹一種基于最小化平方誤差的聚類算法 498
- 介紹一種基于分層聚類方法的木馬通信行為檢測模型 1060
- 深度學(xué)習(xí)聚類的綜述 780
- 聚類分析中的機器學(xué)習(xí)與統(tǒng)計方法綜述(二) 679
- 如何在 Python 中安裝和使用頂級聚類算法 415
- 聚類分析中的機器學(xué)習(xí)與統(tǒng)計方法綜述(一) 638
- 機器學(xué)習(xí)之分類分析與聚類分析 3550