面向结构稳定性的分裂-合并聚类算法

聚类是在假设数据具有某种群聚结构的前提下根据观察到的无标记样本发现数据的最优划分。现有的聚类算法通常简单地导出假设结构和给定先验下最优或较优的聚类结果,体现为算法对样本分布拟合度的迭代最优化,即算法有效性。实际上,聚类的有效性取决于结构有效性、算法有效性和先验有效性3个方面的因素。基于这种考虑,提出了一种变体混合模型的聚类结构假设,以及判定聚类结构的稳定性的度量和方法,在算法有效的前提下通过单簇的分裂与合并来改进聚类结构的稳定性,并得到最终聚类结果,设计并实现了SMClus聚类算法,通过对模拟数据和真实数据的聚类实验,例证了方法的有效性。

分裂-合并方法在图象分割、目标提取中的应用

提出了一种“分裂 -合并 -收缩 -合并 -扩张”的图象大区域的分割方法 ;可以适用于多灰度级图象 ;算法引入金字塔式的分割思想 ,对图象进行大区域的粗分割 ,对目标进行大区域扫描 ,小区域的分块分割 ,提取出目标区域 ,依据目标区域的骨架特征对目标进行识别 ;还提出了一种新的道路识别方法。

一种基于多分辨分析的简化的分裂-合并图像分割算法

为了减少分裂-合并算法的计算复杂性,提出了一种基于多分辨率分析的分裂-合并简化算法.首先,将原始图像用多分辨的形式分层表示,对最低层分辨率的图像用简化的分裂-合并算法进行图像分割,同时用该层的边缘信息对分割结果进行优化,得到该层的分割图像;然后,用直接影射的方法将低分辨率的分割图像映射到高分辨率空间中,并用相应的边缘信息进行优化,直到在原始分辨率空间完成上述工作,得到最终的分割结果.试验证明,所提算法简单有效,较好地解决了分裂-合并算法计算复杂的问题.

分裂-合并竞争学习的研究

针对竞争学习在给定的输出节点数目少于实际类数目时的学习结果会在几类数据之间振荡的问题,提出了M PTOC策略以及基于此策略的分裂-合并竞争学习算法.在假设数据集中的数据对其相应节点产生大小等于二者距离“吸引力”的基础上,算法通过计算网络中获胜节点在不同方向的“吸引力合力”分布,间接描述该节点附近数据的分布情况;采用高维空间模糊熵的方法确定该节点主要的“合力”方向,并将该节点在这几个方向上进行分裂-合并学习,从而实现M PTOC策略.通过对二维随机分布数据的实验结果验证了所提出算法的正确性和有效性.

使用“分裂-合并'策略改进文本聚类集成算法的研究

探讨了'分裂-合并'(DM)策略对文本聚类集成算法改进的效果。首先在聚类成员生成阶段运行使用DM策略的超球K均值(SKM)算法r次,每次生成较多的文本子簇,并根据子簇的相似性使用凝聚层次聚类方法合并这些子簇,得到r个聚类成员,随后在聚类集成阶段采用两个快速的谱聚类算法进行集成。在6组真实文本集上进行了实验,使用DM策略的两个聚类集成算法获得的平均标准化互信息(NMI)分别比改进前的算法提高了4.6和7.9个百分点,证明了DM策略可以有效提高文本聚类集成算法的聚类质量。

利用三维自适应分裂-合并的MRI图像分割算法设计

为了在医学图像分割中,发现均匀几何三维区域的复杂形状,以提高分割准确率,提出一种基于3D几何特征分裂-合并(ASM)的脑部MRI图像分割算法;首先构建简单平行六面体的12种3D区域分割策略,体积分割技术将整个体积划分为许多大的均匀三维几何区;然后,在体积内定义更多小的均匀区域,以便在随后的合并步骤中有更大的生存概率;最后,进行多级区域合并,合并阶段只涉及复杂ASM树的叶子,考虑灰度相似性和共同边界区的大小,将小的区域合并为大邻近区;相比其他几种MRI图像分割算法,提出的方法在分割过程对噪声具有鲁棒性,提高了分割性能和准确率;另外提出的方法不需要训练数据集。

自适应分裂－合并高压缩比图像编码

本文提出了一种自适应分裂－合并高压缩比图像编码方法，它将图像数据分解为与人眼视觉特性相匹配的分量，然后对各个分量分别进行编码，因此是一种高效的图像分割编码方法。为实现高压编比，本文还对控制图像的选择、纹理表示、分裂与合并应满足的条件和算法、边界编码和纹理编码等各个环节作了深入的分析，得出了一些有意义的结果。实验表明，在主观视觉质量仍保持较好的前提下，对一幅１２８×１２８的标准头肩像，压缩比可达２０：１左右。

图像融合与分裂合并相结合的分割算法研究

针对传统的分裂合并算法中存在的计算复杂度和分割后易于破坏边界信息的问题,提出一种将图像融合与分裂合并算法相结合的分割策略。首先对原始图像降低分辨率,抑制部分噪声,降低细节干扰,减少后期计算量;接着使用自适应边缘提取算法提取边缘信息并对优化图像进行分割;然后将处理后图像进行融合并还原尺度,以此来改善分裂合并算法带来的边界破坏问题。实验结果表明,该方法能够缓解传统算法中的运算量问题,尤其是边界破坏的问题,且分割效果较好。

一种适合于目标检测的图像分割方法

在航空图像的目标检测过程中，首先需要把图像中的每个目标都单独地分离开。一般的图像分割方法是把图像分成几大类，同一类目标组成一个个区域。这种分割结果给目标检测造成了很大的困难。本文首先采用最小值滤波对图像进行预处理，尽量地扩大目标之间的间隙。然后用降低分辨率的方法得到初始的分割图像，并用分裂合并法修正分割结果。计算结果显示，分割结果中不同的目标尽管距离很近，也能较好地分离。这个结果对于目标检测有着重要的意义。

自适应阈值的舌象裂纹检测

舌象中的裂纹是中医舌诊中的重要内容。由于拍摄条件的不同,舌象质量有较大差异,传统的阈值选取方法并不适用。文中提出一种舌象裂纹检测的自适应阈值选择方法。该方法利用舌象的L*a*b色彩特征及区域的分裂-合并,对舌象进行区域分割,自适应地选取舌中部区域的色彩值作为阈值,对整个舌象进行裂纹提取。经验证,本方案对不同的舌象能较好地提取出裂纹,实现舌象裂纹诊断的客观化。

纹理分割及特征提取方法综述

纹理分割领域一直是非常活跃的领域，各种纹理分割算法纹理特征提取方法层出不穷。本文着重介绍了各类纹量特征、特征提取方法以及分割技术，主要包括：基于算子的图像特征提取、基于统计方法的特征提取、基于模型方法的分割技术（分形模型、随机场模型）、基于纹理结构的特征提取及分割方法、以及基于空频域特征的分割技术（小波技术）。

对称三对角线特征值问题的一个并行修正拟Laguerre算法

在拟 Laguerre算法的基础上 ,提出了用修正拟 L aguerre算法来求解对称三角线特征值问题 ,并给出了算法的并行实现 .

运动背景下的运动目标检测方法

对运动目标检测问题,提出了一种运动背景下的运动目标检测新方法,为了配准图像首先利用傅立叶变换的相位相关法进行背景补偿,然后采用六帧相邻图像差分相乘的方法增强运动目标的像素点,拉大目标与背景残留噪声的差异,利用区域-分裂合并法进行目标分割,将运动目标检测出来;从而计算出运动目标的形心坐标,并绘出运动目标的运动轨迹。由于方法稳定性强,准确率高的特点,可以使复杂背景能较好检测出运动目标,并且能够在正确分割的前提下可以很好绘出运动目标的运动轨迹。实验结果证明了算法的有效性和可行性。

基于Normalized Cut的图像分割改进算法

用Normalized Cu(tN-Cut)准则分割图片时,会出现诸如过分割或者欠分割的不理想情况。在N-Cut结果的基础上提出了一种改进算法:利用合并-分裂方法,将颜色和纹理相似的区域合并,并对某些区域做进一步N-Cut分割。实验证明,改进后的算法不仅保留了N-Cut方法的优点,而且从一定程度上解决了过分割和欠分割的缺点,能够处理一些自然界的彩色图片,得到了比较理想的分割结果。

一种单元化制造系统有效的设计算法

在制造系统中为了满足生产能力的要求，某些类型的机床有多台，并应作为单元化制造系统（ＣＭＳ）设计时的约束。现有的设计方法不能考虑这一类约束。文中强调多台同种机床的存在，并给出了一个单元构成网络问题的模型。利用这一模型，将传统的单元构成和多台同种机床的分配问题结合在一起，给出了求解这一类问题的一种有效的启发式的“合并－分裂”算法，使得在满足机床约束条件的同时简化物流，即减少投资。

基于图像区域分割方法的舌质与舌苔识别

舌象的图像识别是舌象信息计算机诊断的主要内容之一。实现舌质、舌苔的区域识别是舌诊计算机识别过程中的重要步骤,也是后期舌体和舌苔颜色识别和纹理特征分析的重要前提。应用彩色图像区域分割方法,根据舌象颜色的区域特征,采用分裂-合并算法、色度阈值法对舌象进行了区域划分,建立舌质、舌苔的区域分割方法,实现舌质与舌苔的分割。实验结果显示,分裂-合并算法、色度阈值法具有良好的分割效果。