层次聚类算法在图像处理中的应用.pdfVIP

第 卷 第 期 软 件 导 刊 7 8 Vol.7No.8 年 月 2008 8 SoftwareGuide Aug.2008 层次聚类算法在图像处理中的应用 郭玉川 (兴业银行厦门分行,福建 厦门 ) 361012 摘 要:聚类分析在涉及多维数据分析或处理的学科中都是很普遍的。由于计算机视觉领域中的图像分割经常表示 成一个聚类问题,所以聚类方法在模式识别、图像处理、信息检索中的应用越来越受关注。结合采样技术、分块技术 及数据压缩技术,研究了层次聚类算法在图像处理中的应用。 关键词:数据挖掘;图像处理;层次聚类 中图分类号: 文献标识码: 文章编号: ( ) TP391.4 A 1672-7800200808-111-02 似的; 簇中两点之间的距离要小于簇中的一点与簇外任一点 ② 1 聚类分析的基本思想 的距离。聚类不同于分类的基本特征是:簇的(最优)数目是未 知的;大部分情况下关于每个簇可能没有任何先验知识;聚类 我们所研究的样品或指标(变量)之间存在不同程度的相 结果是动态的。实际上,层次算法是产生嵌套的簇集,可以用 似性(亲疏关系)。根据一批样品的多个观测指标,找出一些能 “谱系图”( )这样的树型数据结构来表示层次聚类 Dendrogram 够度量样品或指标之间相似程度的统计量,以这些统计量为划 技术以及不同的簇集。 分类型的依据。把一些相似程度较大的样品(或指标)聚合为一 层次算法又包括凝聚算法和分裂聚类。二者的不同之处在 类,把另外一些彼此之间相似程度大的样品(或指标)又聚合为 于,凝聚算法初始时,每一个成员都组成一个单独的簇,在以后 另一类,将关系密切的聚合到一个小的分类单位,关系疏远的 的迭代过程中,再把那些相临的簇合并为一个簇,直到所有的 聚合到一个大的分类单位,直到把所有的样品(或指标)聚合完 成员组成一个簇为止。而分裂算法则在初始时将所有元组归于 毕,这就是聚类的基本思想。 同一个簇,然后将上层的簇重复地分裂为两个下层簇,直到每 2 层次聚类算法简介 一个元组都组成一个单独的簇为止。层次算法计算相似度的方 法有单连接、全连接、平均连接(单连接:两个簇中的点之间的 一个层次聚类算法将数据组织成一棵聚类的树。根据层次 最短距离小于等于域值,则合并两个簇;全连接,则把最短距离