摘要
针对视频帧数据在时间轴上的高斯分布特征,提出基于样本和高斯核相似性度量的聚类算法,采用度量方法考虑概率分布密度因素,同时利用改进的粒子群优化算法加速聚类过程。实验结果表明,与基于C均值聚类算法相比,该算法具有较强的全局搜索能力和聚类精度,在视频数据聚类分析中具有更高的效率和更佳的聚类效果。
In view of video frequency frame data in time axis which has Gaussian distribution characteristic,a clustering algorithm based on the measure of Gauss kernel function similarity and an Improved Particle Swarm Optimization(IPSO) is presented.The proposed algorithm can realize accuracy clustering by Gauss kernel function similarity measure,and speed up the clustering process by the IPSO.Experimental results show that the proposed algorithm has greater searching capability and clustering accuracy,which is superior to the C-Mean in analysis of video frequency frame data clustering.
出处
《计算机工程》
CAS
CSCD
北大核心
2010年第14期22-23,28,共3页
Computer Engineering
基金
国家"863"计划基金资助项目(2007AA04Z193
2007AA041402)
国家自然科学基金资助面上项目(60704028)
国家杰出青年科学基金资助项目(60625302)
长江学者和创新团队发展计划基金资助项目(IRT0721)
高等学校学科创新引智计划基金资助项目(B08021)
上海市基础研究基金资助重点项目(07JC14016)
上海市重点学科建设基金资助项目(B504)
关键词
聚类
粒子群优化
高斯核函数
视频帧数据
clustering
Particle Swarm Optimization(PSO)
Gauss kernel function
video frequency frame data