基于随机kNN图的批量边删除聚类算法

建立邻接图上的批量边删除聚类算法通用框架,提出基于高斯平滑模型的批量边删除判定准则,定义了适于聚类的邻接图的一般性质,提出并证明在kNN图基础上引入随机因子构造的随机kNN图,可以增强顶点之间的局部连通性,使聚类结果不再强烈依赖于某条边或某些边的保留或删除.RkNNClus算法简洁高效,依赖参数少,无需指定类簇数目,模拟和真实数据上的实验均有证明.

基于KNN图的两阶段孤立点检测及应用研究

针对两种基于KNN图孤立点检测方法:入度统计法(ODIN)和K最邻近(K-nearest Neighbor,RSS)算法的不足,提出了一种新的改进方法:两阶段孤立点检测方法,并进行了适当扩充使之适用于数据集中孤立点数目未知情况下的孤立点检测。算法应用于"小样本,高维度"的基因微阵列数据集进行样本孤立点检测取得了很好效果,证明了此方法的有效性。

基于DL1图和KNN图叠加图的高光谱图像半监督分类算法

基于少数已标记样本的高光谱图像分类是一个具有挑战的任务.本文将概率矩阵与L1图的权值矩阵叠加,形成了强鉴别力的DL1图.将空间的局部信息与光谱的全局信息通过KNN图和DL1图结合在一起,构建了空谱信息联合的图框架结构,使用该框架构建的图,能更精细地反映高光谱图像数据的图谱结构.利用图的标记传播达到半监督分类的目的,以此提高小样本高光谱图像自动分类的精度,实验表明,在标记样本比例为5%时,分类精度提升亦非常显著.

改进的KNN抠图技术

抠图技术从背景复杂的彩色图像中根据已知像素进行未知像素的掩膜值估计以实现前景的准确提取,是图像处理和影视制作的关键技术之一.通过对KNN抠图的研究分析,针对其在三分图边缘附近颜色相差较小或是图像中前背景复杂交错时抠图质量下降的问题,提出一种增加了纹理特征的改进算法.首先,文中在计算像素的特征向量时,加入纹理特征来增强前景和背景约束,从而特征空间的维数从6维增加至7维;然后由新的归一化的特征向量给出内核函数;最后构造出拉普拉斯矩阵,并使用闭合形式解方法进行优化.实验结果表明,改进后的算法在上述问题上有较好表现,能够得到比原始KNN抠图更好的结果,并给出了几幅有代表性的图像的均方误差值比较进一步加以证实.

边缘保持KNN抠图

分析了KNN抠图算法中近邻选取策略对抠图结果的影响,针对KNN抠图存在的弱边缘失真问题,提出了像素间不平度的概念.采用两级相似度计算:先选取距离、颜色联合空间中的最优近邻,再用不平度衡量像素间的连接程度.最后构建拉普拉斯矩阵,求解方程得到最终的抠图结果.该算法不但实现了远距离的信息扩散,还能够有效防止边缘地带的误扩散.此外,还对不平度算法的扩散计算机制进行分析,提出了具有线性复杂度的不平度计算方法.实验结果表明,在增加少量运算代价的情况下,改进的算法具有良好的边缘保持特性,抠图效果更加理想.

基于LBP特征与图像显著性的散焦模糊区域检测

针对当前散焦模糊区域检测算法对于均质清晰区域容易误判,边缘定位不够准确的问题,提出一种基于LBP特征与图像显著性的散焦模糊区域检测算法。首先,利用LBP特征和SLIC算法来获取SLBP模糊图,利用DRFI显著性检测算法来获取DRFI显著图;然后,利用SLBP模糊图和DRFI显著图来构造三元标识图,进而利用KNN抠图算法来获取模糊图;最后,借助于形态学运算和平滑滤波来细化模糊图。在公共模糊数据集上的实验结果表明,该算法能有效地检测出均质清晰区域,保留图像边缘细节,在检测精度和查全率指标上表现较好。

基于哈希表结构和图像分割的快速图像标注

为了快速、准确地标注大型图像数据集中的图片,提出了一种利用图像分割和基于kNN(k-nearest neighbor)图的半监督学习来标注图像的算法.该算法先将图像分割为若干个局部区域,使用局部敏感的哈希表来构建图像局部区域的kNN图,并基于图像局部区域的kNN图来构建原始图像的kNN图,利用基于图的半监督标签传递算法来标注未标注的图像.在具有269 648张图像的大型图像数据集NUS-WIDE和具有5 000张图像的Corel数据集上的实验结果表明,该算法能获得较快的标注速度和标注精度.

Study on Chironomid Larvae Recognition Based on DWT and Improved KNN

A chironomid larvae images recognition method based on wavelet energy feature and improved KNN is developed. Wavelet decomposition and color information entropy are selected to construct vectors for KNN that is used to classify of the images. The distance function is modified according to the weight determined by the correlation degree between feature and class, which effectively improves classification accuracy. The result shows the mean accuracy of classification rate is up to 95.41% for freshwater plankton images, such as chironomid larvae, cyclops and harpacticoida.

基于结构化深度聚类网络的人脸表情识别研究

针对如今常用的卷积神经网络对人脸表情图片的特征提取不足、关键区域的特征无法精确提取等问题,文章利用不同表情时人脸关键点的变化,并将深度学习方法与聚类方法相结合运用于人脸表情识别中,提出一种基于结构化深度聚类网络(SDCN)的人脸表情识别算法.该网络由GCN图卷积神经网络、K-最近邻(KNN)图构建网络、编码器网络构成.为更好地捕捉到人脸关键点之间的关系和表情信息,利用GCN网络对人脸表情图像中的关键点进行特征提取.该网络输入数据为图结构数据,将人脸关键点数据输入对应的KNN图构建网络以得到人脸关键点的图结构数据.该网络在Fer2013、CK+与JAFFE三个人脸表情数据库上进行实验,获得了较为不错的识别率,在一定程度上证实了算法的有效性.

基于改进的多特征哈希的近重复视频检索

随着互联网的迅速发展,产生了大量的近重复视频。文章提出了一种改进的哈希算法提高近重复视频的检索准确性,根据语义哈希对图像检索的原理,对算法中的邻接矩阵进行改进。邻接矩阵表示KNN图中样本间的邻接关系,文中不再使用0和1两个值表示样本间的邻接关系,而是引入高斯核函数来表示,提高了模型的检索精度。实验结果表明所提出的方法具有更高的检索精度。