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! |
|