| Renyi信息熵指导下的聚合层次化聚类 |
| |
| 引用本文： | 白雪,罗四维,黄雅平.Renyi信息熵指导下的聚合层次化聚类[J].北方交通大学学报,2011(5):78-83. |
| |
| 作者姓名： | 白雪 罗四维 黄雅平 |
| |
| 作者单位： | 北京交通大学计算机与信息技术学院,北京100044 |
| |
| 基金项目： | 国家自然科学基金资助项目（60975078,60902058,60805041,60872082）;北京市自然科学基金资助项目（4092033,4112047）;高等学校博士学科点专项科研基金项目资助（200800041049） |
| |
| 摘 要： | 聚合层次化聚类是聚类分析中发现数据集潜在结构的一类重要方法．在这类方法中，影响聚类质量的一个关键问题是如何度量子类之间的距离．作为子类间的相似性度量，不但可以通过非参数估计的方式进行计算，还可有效地利用子类数据集中所有样本提供的信息，对子类中数据分布的描述更加充分．实验结果显示，在两种具有代表性的人造数据集上，基于Renyi熵的类间距离度量比3种传统度量方法有更好的层次化聚类效果．并且，在图像过分割的情况下，通过Renyi熵距离对子分割区域进行合并可以找到合理的分割目标．
|
| 关 键 词： | 聚合层次化聚类 图像过分割 Renyi熵 |
| 本文献已被 维普 等数据库收录！ |
|
