基于核模糊相似度度量的谱聚类算法.pdfVIP

学兔兔 第36卷 第7期 仪 器 仪 表 学 报 Vol_36No．7 2015年 7月 ChineseJournalofScientificInstrument Ju1．2015 基于核模糊相似度度量的谱聚类算法木 杨艺芳 ，王宇平 (1．西安电子科技大学数学与统计学院 西安 710071；2．西安电子科技大学计算机学院 西安 710071； 3．西安石油大学理学院 西安 710065) 摘 要 ：相似性度量的选择是谱聚类算法良好性能实现的关键。通常采用的谱聚类相似性的度量是基于高斯核函数的相似性 度量。然而，谱聚类对这种相似度度量中的尺度参数非常敏感，并且确定一个合适的参数也很困难。另外 ，基于欧几里得的这 种高斯核相似度度量无法有效反映复杂分布数据集的分布特点。针对此问题，通过利用基于核模糊C均值聚类算法得到的划 分矩阵中隶属度的分布特点，提出了一个新的核模糊相似度度量，并将基于所提出的新的相似度度量的谱聚类算法 (KFSC)应 用于图像分割中。所提出的KFSC算法不仅克服了谱聚类对尺度参数敏感，而且解决了尺度参数很难确定的问题，获得更好的 聚类效果。3个标准数据集、2个合成纹理图像及2个 自然图像上的分割实验表明了所提出算法的有效性和鲁棒性。 关键词：谱聚类；核模糊聚类 ；图像分割；t最近邻的方法 中图分类号：TP391．41 TH76 文献标识码：A 国家标准学科分类代码：520．6040 Spectralclusteringalgorithm based on kernelfuzzysimilaritymeasure YangYifang ，WangYuping tj．SchoolofMathematicsandStatistics，XidianUnive~ity，Xt’an7loO71，China 2．SchoolofComputerScienceand Technology，XidianUniversity，Xi’an710071，China； 3．CollegeofScience，Xi’anShiyouUniversity， ’an710065，China) Abstract：Similaritymeasureiscriticaltotheperformanceofspectralclustering．Themostcommonlyusedsimilarity measureforspectralclusteringisthesimilaritymeasurebasedonGaussiankernelfunction．However spectralclus． ， teringisverysensitivetothescalingparameterinthisGaussian kernelsimilaritymeasureandthedeterminationof theappropriatescalingparameterisdifficult．Inaddition，theGaussiankernelsimilaritymeasurebasedonEuclidean distancecannotfullyexpressthedistributionch