集成式位置敏感聚类
大小：0.90 MB 人气： 2018-01-08 需要积分：1
标签：聚类(14136)
针对常用图像聚类尤其是图像视觉聚类方法聚类速度慢、不支持增量聚类的局限，提出了集成式位置敏感聚类方法。该方法首先根据聚类有效性指标估计合适的聚类数目，然后生成多重哈希函数，并用它们对各数据点进行映射得出多重桶标记，再对数据集各桶标记进行聚类得出多个基划分，最后对多个基划分进行集成得出最终划分。实验结果表明，在准确率方面，集成式位置敏感聚类在人工数据上与k-means结合聚类集成的方法相当，在图像集上与k-means结合聚类集成的方法接近。但集成式位置敏感聚类的优点在于其聚类时间快、适合于增量聚类等。因此，集成式位置敏感聚类方法可以用于解决高维图像特征聚类问题。
非常好我支持^.^
(0) 0%
不好我反对
(0) 0%
下载地址
集成式位置敏感聚类下载
相关电子资料下载
- 使用轮廓分数提升时间序列聚类的表现 46
- 基于K-means聚类算法的图像分割 111
- 介绍一种基于最小化平方误差的聚类算法 243
- 介绍一种基于分层聚类方法的木马通信行为检测模型 785
- 深度学习聚类的综述 290
- 聚类分析中的机器学习与统计方法综述（二） 242
- 如何在 Python 中安装和使用顶级聚类算法 171
- 聚类分析中的机器学习与统计方法综述（一） 290
- 机器学习之分类分析与聚类分析 1185
- 代码实现密度聚类DBSCAN 308