基于谱聚类图像分割特性分析.docVIP

基于谱聚类图像分割特性分析 　　摘要：谱聚类是近年来国内外进行聚类分析的新的研究热点。谱聚类的优势在于不对数据的全局结构作假设，具有识别非凸分布聚类的能力。文章介绍了该算法的基本理论，深入分析了其聚类本质，然后由图像分割实验验证，并给出它的适用范围。 　　关键词：谱聚类；聚类分析；图像分割 　　 　　一、引言 　　近几十年来，聚类分析已经被广泛应用于许多领域，涉及工程、计算机科学、生命和医药科学、地球科学、社会学和经济学等方面。聚类是按照特定准则把数据对象集合合理划分成不同类的过程，使得类内对象的相似度较大，类间对象的相似度较小。尽管众多聚类算法相继被提出、相关的应用被展开，但由于实际问题的复杂性和数据的多样性，聚类问题仍然存在着巨大的挑战。目前，聚类算法的研究主要集中在聚类方法的可伸缩性、发现任意聚类形状的能力、高维聚类分析能力、处理混合数据的能力、增加约束条件下的聚类分析能力、结果的可解释性和可用性等方面。 　　从聚类任务和用户的角度出发，任何一种聚类算法无不是在分析聚类对象内在性质和度量对象间相似性的基础上提出的，于是如何分析和表达论域内数据对象的内在特性和描述对象间的相似关系是聚类分析的前提和基础，直接决定了聚类结果的好坏程度。 　　传统的聚类算法主要是k-means算法和EM算法。这些算法都是建立在凸球形的样本空间上，但当样本空间不为凸时，算法会陷入局部最