- 1、本文档共9页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
知识迁移的极大熵聚类算法及其在纹理图像分割中的应用-智能系统学报
第 12卷第2期 智 能 系 统 学 报 Vol.12 №.2
2017年4月 CAAI Transactions on Intelligent Systems Apr. 2017
DOI:10.11992/ tis.201603005
网络出版地址:http:/ / www.cnki.net/ kcms/ detail/ 23.1538.tp0928.004.html
知识迁移的极大熵聚类算法及其
在纹理图像分割中的应用
程旸,蒋亦樟,钱鹏江,王士同
(江南大学数字媒体学院,江苏无锡 214122)
摘 要:本文研究了一种新型的基于知识迁移的极大熵聚类技术。 拟解决两大挑战性问题:1)如何从源域中选择合
适的知识对目标域进行迁移学习以最终强化目标域的聚类性能;2)若存在源域聚类数与目标域聚类数不一致的情
况时,该如何进行迁移聚类。 为此提出一种全新的迁移聚类机制,即基于聚类中心的中心匹配迁移机制。 进一步将
该机制与经典极大熵聚类算法相融合提出了基于知识迁移的极大熵聚类算法(KT⁃MEC)。 实验表明,在不同迁移场
景下的纹理图像分割应用中,KT⁃MEC算法较很多现有聚类算法具有更高的精确度和抗噪性。
关键词:迁移学习;中心迁移匹配;极大熵聚类;纹理图像分割;抗噪性
- - -
中图分类号:TP181 文献标志码:A 文章编号:1673 4785(2017)02 0179 09
中文引用格式:程旸,蒋亦樟,钱鹏江,等. 知识迁移的极大熵聚类算法及其在纹理图像分割中的应用[J]. 智能系统学报,2017,12
-
(2):179 187.
英文引用格式:CHENG Yang,JIANGYizhang,QIANPengjiang,etal.Amaximumentropy clusteringalgorithmbasedonknowl⁃
edge transfer and its application to texture image segmentation[J]. CAAI transactions on intelligent systems,2017,12(2):178-
187.
A maximum entropy clustering algorithm based on
knowledge transfer and its application to texture image segmentation
CHENG Yang,JIANG Yizhang,QIAN Pengjiang,WANG Shitong
(School of Digital Media,Jiangnan University,Wuxi 214122,China)
Abstract:In thispaper,weproposeanoveltechniqueformaximumentropy clustering (MEC)basedonknowledge
transfer. More specifically,we aim to solve the following two challenging questions. First,how can knowledge be
appropriately selected from a source domain to enhance clustering performance in the target domain via transfer
learning?Second,how bestdoweconducttransferclusteringifthenumberof clustersinthesourcedomain
文档评论(0)