利用运动纹理差异的运动目标分割无监督评价方法

提出了基于运动纹理差异的运动目标分割无监督评价方法。通过基于贝叶斯决策的精确量化准则得到差分图像的类别映射图,利用区域生长方法产生不同效果的运动目标分割掩膜,定义了运动纹理差异的评价准则,并将该评价准则用于这些分割掩膜中以验证评价结果的有效性。为进一步准确衡量所提出准则的性能,在实验中将其与两种评价准则进行对比,一是有监督评价准则Ⅷ,二是基于彩色纹理的无监督评价方法JSEG中的无监督评价准则J。实验结果证明基于运动纹理差异的无监督评价与人类主观感知和客观实际基本一致,可有效地对红外视频运动目标分割性能进行无监督评价。

仿生聚类算法研究与分析

仿生聚类算法是一种将仿生智能优化算法与传统聚类算法相结合的混合聚类算法,同时也是无监督学习算法。这类算法在生物智能算法的基础上,结合了传统聚类算法操作简单、求解速度快的特点,在解决高纬度复杂的聚类分析问题时表现尤为突出,目前已被广泛应用在物联网、图像处理、路径规划、医学等领域。文中主要对仿生聚类算法进行研究与分析。首先以蚁群聚类、果蝇聚类、人工蜂群聚类算法为例,着重从算法思想、生物智能算法与K均值聚类的结合流程以及具体应用3个方面进行介绍;然后对仿生聚类过程中的相似性度量方法和聚类结束后聚类结果无监督评价方法进行了详细描述;最后对仿生聚类算法的未来研究方向进行了总结与展望。