基于視覺的聚類算法研究及應(yīng)用.pdf

1、聚類就是按照事物的某些屬性，把事物聚集成類，使類間的相似性盡可能小，類內(nèi)相似性盡可能大。聚類是一個(gè)無監(jiān)督的學(xué)習(xí)過程，它同分類的根本區(qū)別在于：分類是需要事先知道所依據(jù)的數(shù)據(jù)特征，而聚類是要找到這個(gè)數(shù)據(jù)特征，因此，在很多應(yīng)用中，聚類分析作為一種數(shù)據(jù)預(yù)處理過程，是進(jìn)一步分析和處理數(shù)據(jù)的基礎(chǔ)。 聚類分析是一種重要的人類行為。聚類分析算法取決于數(shù)據(jù)的類型、聚類的目的和應(yīng)用領(lǐng)域。在當(dāng)今飛速發(fā)展的數(shù)據(jù)采掘和探查性數(shù)據(jù)分析中，聚類分析技術(shù)已廣泛

2、應(yīng)用于模式識別和圖像處理、生物、心理、計(jì)算機(jī)視覺和遙感等領(lǐng)域。在實(shí)際問題中，傳統(tǒng)的聚類分析技術(shù)普遍存在的不足之處主要表現(xiàn)在以下幾個(gè)方面：聚類結(jié)果對初始化參數(shù)的敏感性和強(qiáng)依賴性；很難定義聚類的有效性問題，合理的聚類數(shù)目難以確定；直接的物理可解釋性較差。 近年來，神經(jīng)生理學(xué)的發(fā)展和計(jì)算機(jī)輔助解剖學(xué)的研究提出了幾個(gè)相當(dāng)精確的初級視覺系統(tǒng)計(jì)算模型，它們分別建模于視覺系統(tǒng)的不同部分的不同層次。尺度空間理論便是其中之一，它定量地描述由視網(wǎng)膜

3、側(cè)向聯(lián)接所造成的圖像模糊化效應(yīng)。 本文通過視覺原理與尺度空間算法結(jié)合，提出視覺系統(tǒng)的結(jié)構(gòu)顯著性假設(shè)和穩(wěn)定性假設(shè)，利用尺度空間聚類算法，得到不同層次的有效聚類。 1、聚類算法比較聚類算法有很多種，需要根據(jù)應(yīng)用所涉及的數(shù)據(jù)類型、聚類的目的以及具體應(yīng)用要求來選擇合適的聚類算法。聚類算法大體可以劃分為以下幾類：劃分方法、層次方法、基于密度的方法、基于網(wǎng)格的方法和基于模型的方法。然后對各種聚類具體算法進(jìn)行比較，得出不同方法之間在性

4、能上的不同。 2、視覺系統(tǒng)的結(jié)構(gòu)假設(shè)通過介紹視覺系統(tǒng)、Weber定律、視覺系統(tǒng)的結(jié)構(gòu)顯著性假設(shè)和穩(wěn)定性假設(shè)，為下一章尺度空間聚類算法做好鋪墊。視覺系統(tǒng)的結(jié)構(gòu)顯著性假設(shè)：那些引起較多神經(jīng)細(xì)胞興奮的結(jié)構(gòu)要比那些引起較少神經(jīng)細(xì)胞興奮的結(jié)構(gòu)更為重要。視覺系統(tǒng)的結(jié)構(gòu)穩(wěn)定性假設(shè)：那些在較大尺度范圍內(nèi)可觀察到的物體結(jié)構(gòu)較之那些在較小尺度范圍內(nèi)可觀察到的物體結(jié)構(gòu)更為重要。 3、尺度空間聚類算法首先介紹尺度空間概念，介紹視網(wǎng)膜生物模型，視

5、覺前端系統(tǒng)的尺度空間模型，重點(diǎn)介紹尺度空間聚類算法。尺度空間原理：當(dāng)尺度參數(shù)充分小時(shí)，每一數(shù)據(jù)點(diǎn)是一個(gè)類，而當(dāng)尺度參數(shù)逐漸變大時(shí)，小的數(shù)據(jù)類逐漸溶合形成大的數(shù)據(jù)類。這一分類方式所產(chǎn)生的結(jié)果構(gòu)成一樹形圖，結(jié)點(diǎn)代表不同尺度聚類的類，父親結(jié)點(diǎn)所表示的類由兒子結(jié)點(diǎn)所代表的類溶合而成。這一聚類算法屬逐級聚類算法，它包含了數(shù)據(jù)的一系列分類。 4、聚類有效性的問題聚類有效性是聚類分析中一個(gè)較為困難的問題，它涉及算法產(chǎn)生的數(shù)據(jù)結(jié)構(gòu)的意義及解釋，