基于概率无向图模型的近邻传播聚类算法

针对近邻传播聚类算法偏向参数难选定、生成的簇数目偏多等问题,提出一种概率无向图模型的近邻传播聚类算法.首先为样本数据构建概率无向图模型,利用极大团和势函数计算无向图中数据样本的概率密度,将此概率密度作为一种聚类先验知识注入近邻传播算法的偏向参数中,提高算法的聚类效率;并用高斯降噪和簇归并方法进一步提升算法的聚类精度.在UCI数据集上的实验结果表明,所提出算法的聚类效率和精度均优于相比较的同类算法.

基于改进马尔可夫随机场的事件相机去噪算法

针对事件相机输出的事件流中存在大量噪声的问题,介绍了一种基于概率无向图模型的事件流去噪算法。算法基于目标变化在时间和空间上具有一定的规律性和相关性这一先验信息,通过将事件映射到极坐标时空邻域,建立事件的局部相关性,以此构建完整的概率图模型。同时,设计相应的能量函数将去噪问题转化为能量最小问题。此外,改进的条件迭代模式被用于优化模型的迭代求解。事件相机模拟器产生的仿真数据和DAVIS346录制的真实数据进行的去噪实验表明,该算法可有效地实现事件相机成像去噪。最后,通过和滤波算法进行对比,证明了该算法优于滤波算法。