聚類集成理論與其在圖像分類中的應(yīng)用

內(nèi)容概要

集成學(xué)習(xí)是利用多個(gè)學(xué)習(xí)機(jī)解決一個(gè)問題。聚類分析在圖像識(shí)別、圖像分類和信息檢索等領(lǐng)域中有著重要的作用。聚類集成理論與其在圖像分類中的應(yīng)用系統(tǒng)討論了聚類集成技術(shù)中的幾個(gè)關(guān)鍵問題及其在圖像分類中的應(yīng)用，內(nèi)容包括：基于數(shù)學(xué)形態(tài)學(xué)的聚類及集成；聚類集體中的差異性度量研究；聚類集體生成方法研究；一致性函數(shù)研究；利用聚類集成技術(shù)解決混合型數(shù)據(jù)聚類問題；最后，在圖像分類這種特定應(yīng)用情況下，提出應(yīng)用聚類集成技術(shù)生成視覺詞匯本集體，實(shí)現(xiàn)圖像的特征提取和描述，有效提高了圖像分類的效率與精度。
聚類集成理論與其在圖像分類中的應(yīng)用可以作為計(jì)算機(jī)、自動(dòng)控制及信息工程類專業(yè)的研究生課程教材，也可供從事模式識(shí)別、機(jī)器學(xué)習(xí)、圖像分析等相關(guān)領(lǐng)域的研究人員參考。

書籍目錄

目錄前言第1章 緒論1.1 聚類分析的基本概念1.2 術(shù)語及其表示方法1.3 研究動(dòng)機(jī)1.4 本書研究內(nèi)容1.5 本書的結(jié)構(gòu)安排第2章 聚類分析的基本理論及方法2.1 引言2.2 聚類算法2.3 用于聚類算法的優(yōu)化和搜索技術(shù)2.4 聚類集成技術(shù)2.5 小結(jié)第3章 基于數(shù)學(xué)形態(tài)學(xué)的聚類及集成3.1 國內(nèi)外研究現(xiàn)狀3.2 基本的數(shù)學(xué)形態(tài)學(xué)運(yùn)算3.3 基于數(shù)學(xué)形態(tài)學(xué)分級(jí)操作系列的聚類算法COHMMOP3.4 基于數(shù)學(xué)形態(tài)學(xué)的聚類集成算法CEOMM3.5 本章小結(jié)及進(jìn)一步的工作第4章 聚類集成中的差異性度量研究4.1 國內(nèi)外研究現(xiàn)狀4.2 聚類集成中差異性測(cè)量方法4.3 聚類集體差異性度量分析4.4 本章小結(jié)及進(jìn)一步的工作第5章 聚類集體生成方法研究5.1 國內(nèi)外研究現(xiàn)狀5.2 高差異性聚類集體生成方法CEAN和增強(qiáng)型差異性聚類集體生成方法ICEAN5.3 實(shí)驗(yàn)比較與分析5.4 本章小結(jié)及進(jìn)一步的工作第6章 一致性函數(shù)研究6.1 國內(nèi)外研究現(xiàn)狀6.2 基于GA的聚類集成算法CMCUGA6.3 用概念型數(shù)據(jù)聚類算法解決聚類集成問題6.4 本章小結(jié)及進(jìn)一步的工作第7章 利用聚類集成技術(shù)解決混合型數(shù)據(jù)聚類問題7.1 國內(nèi)外研究現(xiàn)狀7.2 基于集成技術(shù)和譜聚類技術(shù)的混合型數(shù)據(jù)聚類算法CBEST7.3 實(shí)驗(yàn)研究與分析7.4 CBEST算法小結(jié)7.5 本章總結(jié)及進(jìn)一步的工作第8章 隨機(jī)采樣方法生成視覺詞匯本集體實(shí)現(xiàn)圖像識(shí)別8.1 引言8.2 視覺詞匯本構(gòu)造方法8.3 實(shí)驗(yàn)8.4 本章小結(jié)及進(jìn)一步的工作第9章 結(jié)束語參考文獻(xiàn)圖目錄圖3.1 離散化參數(shù)m對(duì)檢測(cè)到的簇個(gè)數(shù)的影響圖3.2 結(jié)構(gòu)元素對(duì)探測(cè)出來的聚類核心形狀的影響圖3.3 不同的數(shù)學(xué)形態(tài)運(yùn)算序列對(duì)聚類結(jié)果的影響圖3.4 COHMMOP實(shí)驗(yàn)結(jié)果圖3.5 有5個(gè)形狀各異的類的數(shù)據(jù)集圖3.6 圖3.5所示的數(shù)據(jù)源使用離散化參數(shù)m=60離散化后的效果圖圖3.7 利用不同的結(jié)構(gòu)元素對(duì)圖3.6所示的離散化后的數(shù)據(jù)進(jìn)行開運(yùn)算加閉運(yùn)算后得到的不同簇核心圖3.8 將圖3.7所示的十二種簇核心用絕對(duì)多數(shù)投票法得到的集成簇核心圖3.9 利用圖3.8的簇核心進(jìn)行聚類得到圖3.5所示數(shù)據(jù)源的聚類結(jié)果(不同形狀的符號(hào)代表不同的簇)圖3.10 k-means對(duì)圖3.5所示數(shù)據(jù)源的聚類效果(不同形狀的符號(hào)代表不同的簇)圖3.11 CEOMM實(shí)驗(yàn)結(jié)果(不同形狀的符號(hào)代表不同的簇)圖4.1 各種差異性度量和CSPA集成準(zhǔn)確度與集體大小之間的關(guān)系圖圖4.2 差異性度量值對(duì)CSPA集成準(zhǔn)確度散點(diǎn)圖圖5.1 人工數(shù)據(jù)集Dataset1圖5.2 人工數(shù)據(jù)集Dataset2圖5.3 人工附加噪聲數(shù)據(jù)比例對(duì)ICEAN的影響圖5.4 ICEAN在不同大小的待聚類數(shù)據(jù)集上的效果圖6.1 兩個(gè)人工數(shù)據(jù)集圖6.2 CMCUGA集成效果versus單個(gè)成員聚類效果圖6.3 k-modes和LIMBO聚類集成效果圖6.4 六個(gè)人工數(shù)據(jù)集圖7.1 不同比例噪聲數(shù)據(jù)對(duì)CBEST算法錯(cuò)誤率的影響圖7.2 人工數(shù)據(jù)集Dataset1的兩個(gè)數(shù)值型屬性分布圖圖7.3 人工數(shù)據(jù)集Dataset3的兩個(gè)數(shù)值型屬性分布圖圖8.1 盡管有錯(cuò)誤的成員分類器,分類器集成還是能夠正確分類圖像圖8.2 使用DIP方法構(gòu)建一個(gè)視覺詞匯本集體和相應(yīng)的分類器集體圖8.3 RIP算法描述圖8.4 使用算法RTI+RIP生成視覺詞匯本集體圖8.5 算法 RTI+RIP描述圖8.6 使用算法DIP生成視覺詞匯本集體圖8.7 DIP算法描述圖8.8 使用學(xué)習(xí)到的視覺詞匯本集體和分類器集體分類新圖像圖8.9 數(shù)據(jù)集Dataset1中的圖像圖8.10 數(shù)據(jù)集Dataset2中的圖像圖8.11 數(shù)據(jù)集Dataset3中的圖像圖8.12 數(shù)據(jù)集Dataset4中的圖像圖8.13 三種集成方法和文獻(xiàn)[152]和[145]中方法的錯(cuò)誤正例判斷數(shù)(上)和錯(cuò)誤反例判斷數(shù)(下)圖8.14 DIP算法分別在數(shù)據(jù)集Dataset2、Dataset3和House category of Dataset4(從上到下)錯(cuò)誤正例判斷圖像(左)和錯(cuò)誤反例判斷圖像(右)圖8.15 三種集成方法在數(shù)據(jù)集Dataset1(第一行)、Dataset2(第二行)和Dataset3(第三行)上的性能分析圖8.16 使用不同描述子的DIP在不同大小的數(shù)據(jù)集上的性能分析圖8.17 RTI+RIP的集體大小對(duì)集成性能的影響圖8.18 基于純顏色描述子的詞匯本(左)和基于邊信息描述子的詞匯本(右)表目錄表4.1 不同平均成員準(zhǔn)確度情況下各種差異性度量與CSPA集成準(zhǔn)確度的相關(guān)系數(shù)表4.2 不同的集體大小情況下各種差異性度量與CSPA集成準(zhǔn)確度的相關(guān)系數(shù)表4.3 六個(gè)不同的數(shù)據(jù)分布表4.4 不同數(shù)據(jù)分布類型上的差異性度量與CSPA集成準(zhǔn)確度之間的相關(guān)系數(shù)表4.5 各種差異性度量與不同聚類集成算法集成準(zhǔn)確度之間的相關(guān)性表5.1 數(shù)據(jù)集描述表5.2 不同數(shù)據(jù)集上各種聚類集體生成方法的比較表5.3 不同的集成方法在不同的集體構(gòu)造算法產(chǎn)生的聚類集體上的集成錯(cuò)誤率表6.1 四個(gè)數(shù)據(jù)集的相關(guān)信息表6.2 CMCUGA算法與其他五種一致性函數(shù)在iris數(shù)據(jù)集上的聚類集成錯(cuò)誤率表6.3 使用不同發(fā)生器的CMCUGA聚類集成錯(cuò)誤率表6.4 LIMBO和k-modes與其他集成算法在iris數(shù)據(jù)集上的集成錯(cuò)誤率表6.5 六個(gè)人工數(shù)據(jù)集上各種聚類集成算法的錯(cuò)誤率表7.1 概念型數(shù)據(jù)集例子表7.2 人工數(shù)據(jù)集Dataset1上的實(shí)驗(yàn)結(jié)果表7.3 人工數(shù)據(jù)集Dataset2上的實(shí)驗(yàn)結(jié)果表7.4 人工數(shù)據(jù)集Dataset3上的實(shí)驗(yàn)結(jié)果表7.5 真實(shí)數(shù)據(jù)集the German credit dataset上的實(shí)驗(yàn)結(jié)果表7.6 真實(shí)數(shù)據(jù)集Australian credit approval上的實(shí)驗(yàn)結(jié)果表7.7 真實(shí)數(shù)據(jù)集the heart-disease/cleve上的實(shí)驗(yàn)結(jié)果表8.1 數(shù)據(jù)集Dataset1上的實(shí)驗(yàn)結(jié)果表8.2 數(shù)據(jù)集Dataset2上的實(shí)驗(yàn)結(jié)果表8.3 數(shù)據(jù)集Dataset3上的實(shí)驗(yàn)結(jié)果表8.4 提出的方法與其他方法的比較表8.5 在數(shù)據(jù)集Dataset4上的比較結(jié)果

圖書封面

評(píng)論、評(píng)分、閱讀與下載

---

    聚類集成理論與其在圖像分類中的應(yīng)用 PDF格式下載

---