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.pdfVIP

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