基于K-means聚类和特征空间增强的噪声标签深度学习算法 被引量：2

1

作者 吕佳 邱小龙 《智能系统学报》 CSCD 北大核心 2024年第2期267-277,共11页

深度学习中神经网络的性能依赖于高质量的样本,然而噪声标签会降低网络的分类准确率。为降低噪声标签对网络性能的影响,噪声标签学习算法被提出。该算法首先将训练样本集划分成干净样本集和噪声样本集,然后使用半监督学习算法对噪声样... 深度学习中神经网络的性能依赖于高质量的样本,然而噪声标签会降低网络的分类准确率。为降低噪声标签对网络性能的影响,噪声标签学习算法被提出。该算法首先将训练样本集划分成干净样本集和噪声样本集,然后使用半监督学习算法对噪声样本集赋予伪标签。然而,错误的伪标签以及训练样本数量不足的问题仍然限制着噪声标签学习算法性能的提升。为解决上述问题,提出基于K-means聚类和特征空间增强的噪声标签深度学习算法。首先,该算法利用K-means聚类算法对干净样本集进行标签聚类,并根据噪声样本集与聚类中心的距离大小筛选出难以分类的噪声样本,以提高训练样本的质量;其次,使用mixup算法扩充干净样本集和噪声样本集,以增加训练样本的数量;最后,采用特征空间增强算法抑制mixup算法新生成的噪声样本,从而提高网络的分类准确率。并在CIFAR10、CIFAR100、MNIST和ANIMAL-10共4个数据集上试验验证了该算法的有效性。 展开更多

关键词 噪声标签学习 深度学习 半监督学习 机器学习 神经网络 k-means聚类 特征空间增强 mixup算法

在线阅读 下载PDF 职称材料

一种非独立同分布下K-means算法的初始中心优化方法 被引量：7

2

作者 潘品臣 姜合 吕奕锟 《小型微型计算机系统》 CSCD 北大核心 2019年第6期1254-1259,共6页

传统聚类算法研究都是在假设数据集的对象、属性等方面满足独立性且服从同一分布的基础上进行的.然而现实中的数据往往是非独立同分布的,即属性之间或多或少都会存在一些交互关系.传统K-means算法随机地选择初始聚类中心,对于中心点的... 传统聚类算法研究都是在假设数据集的对象、属性等方面满足独立性且服从同一分布的基础上进行的.然而现实中的数据往往是非独立同分布的,即属性之间或多或少都会存在一些交互关系.传统K-means算法随机地选择初始聚类中心,对于中心点的选取比较敏感,容易陷入局部最优且准确率低. Min_max方法针对这一缺点进行了改进,但原始的和改进后的Kmeans算法都忽略了属性之间存在的交互关系.因此本文利用Pearson相关系数公式来计算属性之间的交互关系,并映射于原始数据集.同时利用双领域思想对Min_max方法进行了优化.实验结果表明该方法能够得到较高的准确率、较好的聚类效果以及相对较少的迭代次数. 展开更多

关键词 非独立同分布 k-means算法 初始聚类中心 Pearson相关系数 双领域思想

在线阅读 下载PDF 职称材料

基于迁移学习和非监督分类的制种玉米遥感识别方法 被引量：4

3

作者 常婉秋 姚宇 +4 位作者 席晓杰 刘哲 李绍明 张晓东 赵圆圆 《农业机械学报》 EI CAS CSCD 北大核心 2024年第8期181-195,共15页

作物遥感识别主要基于监督分类方法,对样本的数量、分布要求较高,而农作物样本目视解译困难。为提高已采集样本的利用率,同时降低精细分类中对样本的依赖,本文将迁移学习与非监督分类方法相结合,在源域内构建特征工程,包括:BLUE、GREEN... 作物遥感识别主要基于监督分类方法,对样本的数量、分布要求较高,而农作物样本目视解译困难。为提高已采集样本的利用率,同时降低精细分类中对样本的依赖,本文将迁移学习与非监督分类方法相结合,在源域内构建特征工程,包括:BLUE、GREEN、RED、EDGE1、EDGE2、EDGE3、NIR、SWIR 8个原始光谱波段,以及NDVI、EVI、RVI、GNDVI、TVI、DVI、MSAVI、GCVI、RNDVI、NDRE、RRI1、RRI2、MSRRE、CLRE、IRECI、LSWI、GCI、SIPI 18个植被指数,提取出最能表征制种玉米与大田玉米冠层光谱差异,且在不同的源域内制种玉米之间差异最小的特征,将其作为先验知识用于目标域的分类任务中,再基于K-means进行制种玉米识别和制图。结果表明,在众多特征中,近红外原始波段表现出最强的优势,且在制种玉米母本去雄期后表征效果最好。计算此时间段内NIR的线性回归斜率作为特征,相较于直接基于NIR原始波段特征分类精度有所提升。利用K-means方法对2019年、2020年石河子市和奎屯市的制种玉米分类,2个目标域制种玉米2019年F1值分别为74.35%和64.97%,2020年F1值分别为72.50%和75.69%。本方法通过提取先验知识,引入非监督分类器,有效提高了样本利用率。通过提取波段回归斜率作为特征为原始波段的特征增强提供了思路,同时也为无样本场景下农作物精细分类绘图提供了方法。 展开更多

关键词 制种玉米 遥感识别 特征工程 k-means非监督算法 作物种间精细分类 先验知识

在线阅读 下载PDF 职称材料

非独立同分布下联邦半监督学习的数据分享研究 被引量：1

4

作者 顾永跟 高凌轩 +1 位作者 吴小红 陶杰 《计算机工程》 CAS CSCD 北大核心 2024年第6期188-196,共9页

联邦学习作为一种保护本地数据隐私安全的分布式机器学习方法,联合分散的设备共同训练共享模型。通常联邦学习在数据均有标签情况下进行训练,然而现实中无法保证标签数据完全存在,提出联邦半监督学习。在联邦半监督学习中,如何利用无标... 联邦学习作为一种保护本地数据隐私安全的分布式机器学习方法,联合分散的设备共同训练共享模型。通常联邦学习在数据均有标签情况下进行训练,然而现实中无法保证标签数据完全存在,提出联邦半监督学习。在联邦半监督学习中,如何利用无标签数据提升系统性能和如何缓解数据异质性带来的负面影响是两大挑战。针对标签数据仅在服务器场景,基于分享的思想,设计一种可应用在联邦半监督学习系统上的方法Share&Mark,该方法将客户端的分享数据由专家标记后参与联邦训练。同时,为充分利用分享的数据,根据各客户端模型在服务器数据集上的损失值动态调整各客户端模型在联邦聚合时的占比,即ServerLoss聚合算法。综合考虑隐私牺牲、通信开销以及人工标注成本3个方面的因素,对不同分享率下的实验结果进行分析,结果表明,约3%的数据分享比例能平衡各方面因素。此时,采用Share&Mark方法的联邦半监督学习系统FedMatch在CIFAR-10和Fashion-MNIST数据集上训练的模型准确率均可提升8%以上,并具有较优的鲁棒性。 展开更多

关键词 联邦半监督学习 联邦学习 数据非独立同分布 鲁棒性 聚合算法 数据分享

在线阅读 下载PDF 职称材料

基于改进K-means算法的电网运行断面相似性匹配研究 被引量：13

5

作者 梁海平 田潮 +3 位作者 王铁强 曹欣 杨晓东 刘英培 《电力自动化设备》 EI CSCD 北大核心 2019年第7期119-124,140,共7页

为简化电网工作票制定过程中复杂的方案校验工作,降低对电网调度人员工作经验的依赖,提出利用断面特征提取进行电网历史运行断面相似性匹配的方法。首先根据系统运行特点和数据存储格式,采用决策树模型提取、筛选特征变量;然后基于改进... 为简化电网工作票制定过程中复杂的方案校验工作,降低对电网调度人员工作经验的依赖,提出利用断面特征提取进行电网历史运行断面相似性匹配的方法。首先根据系统运行特点和数据存储格式,采用决策树模型提取、筛选特征变量;然后基于改进半监督K-means算法对历史运行断面进行初步相似性聚类,获取有效样本,降低数据规模;最后利用相似性匹配指标体系在聚类结果中为系统当前运行断面匹配到最有参考和利用价值的历史运行断面及其对应决策信息。仿真算例表明,所提方法可以很好地完成运行断面的相似性匹配工作。 展开更多

关键词 工作票 运行断面 半监督k-means算法 相似性匹配指标体系 聚类算法

在线阅读 下载PDF 职称材料

基于能量均衡的非均匀分簇调度算法

6

作者 崔颖 李巧珏 +1 位作者 高山 陈立伟 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2024年第9期1834-1839,共6页

针对无线传感器网络节点能量有限且不可充电的问题,本文提出基于能量均衡的非均匀分簇调度算法(EBNC_CHES)延长网络寿命。EBNC_CHES在麻雀搜索算法的基础上,引入时间竞争机制减少冗余信息获取和能耗传递的同时,采取K-means非均匀分簇均... 针对无线传感器网络节点能量有限且不可充电的问题,本文提出基于能量均衡的非均匀分簇调度算法(EBNC_CHES)延长网络寿命。EBNC_CHES在麻雀搜索算法的基础上,引入时间竞争机制减少冗余信息获取和能耗传递的同时,采取K-means非均匀分簇均衡簇间网络能量消耗,引入改进的麻雀搜索在簇头选举中均衡簇内能耗。仿真结果表明:该算法与LEACH、EECHS_ISSADE和EESSTBRP相比,冗余信息降低了81%、80%、55%,能耗利用率提高了133%、50%、11.4%,寿命延长了52.8%、43.5%、12.2%。此算法能减少冗余信息,降低网络能耗、延长网络寿命。 展开更多

关键词 麻雀搜索算法 时间竞争调度 k-means算法 网络能耗 非均匀分簇 层次分析法 簇头选举 能量均衡

在线阅读 下载PDF 职称材料

基于Mueller矩阵分解的非监督聚类算法 被引量：2

7

作者 王之禹 朱敏慧 白有天 《电子与信息学报》 EI CSCD 北大核心 2001年第5期454-459,共6页

该文描述了一种利用极化SAR图像的Mueller矩阵分解系数进行非监督聚类的算法。根据关于各种地貌目标散射电磁波机理的先验知识,该算法可以在不需要任何实地勘测的条件下将图像粗略地分割为三种完全不同的、物理含义明显的类别,即建筑区... 该文描述了一种利用极化SAR图像的Mueller矩阵分解系数进行非监督聚类的算法。根据关于各种地貌目标散射电磁波机理的先验知识,该算法可以在不需要任何实地勘测的条件下将图像粗略地分割为三种完全不同的、物理含义明显的类别,即建筑区域、茂密植被和微粗糙表面(例如水面)。与利用单极化灰度图像的非监督分类算法相比,该算法的突出特点是不仅仅将每个像素按照其特征紧密地聚集在一起,而且还能确定每个聚类的散射机理,进而确定目标类型。 展开更多

关键词 矩阵分解 非监督聚类算法 合成孔径雷达

在线阅读 下载PDF 职称材料

基于遗传算法的非监督层次分类方法研究

8

作者 梅蓉 姜长生 陈谋 《电光与控制》 北大核心 2008年第1期62-65,共4页

快速准确地确定单个样本的所属类别以及总体样本类别数是解决非监督模式识别的前提,然而它们的确定通常是非常困难的。通过研究基于遗传算法的相似性度量最优分类算法以及最优分类数确定算法,提高非监督识别的准确性,并将所研究的算法... 快速准确地确定单个样本的所属类别以及总体样本类别数是解决非监督模式识别的前提,然而它们的确定通常是非常困难的。通过研究基于遗传算法的相似性度量最优分类算法以及最优分类数确定算法,提高非监督识别的准确性,并将所研究的算法应用到飞机识别当中。实验结果表明,本算法可以进行最优分类及分类数的确定。 展开更多

关键词 模式识别 最优分类 遗传算法 非监督分类

在线阅读 下载PDF 职称材料

K均值算法实现遥感图像的非监督分类 被引量：6

9

作者 包健 厉小润 《机电工程》 CAS 2008年第3期77-80,共4页

K均值算法在高光谱遥感影像的非监督分类中具有较强的实用性,表现出了良好的优点。首先采用了最大最小选心法确定初始类别中心,然后使用了K均值算法实现遥感影像的分类。在分类过程中采用了VC++2005作为开发平台,极大地提高了遥感影像... K均值算法在高光谱遥感影像的非监督分类中具有较强的实用性,表现出了良好的优点。首先采用了最大最小选心法确定初始类别中心,然后使用了K均值算法实现遥感影像的分类。在分类过程中采用了VC++2005作为开发平台,极大地提高了遥感影像的分类速度,同时还给出了实现K均值分类主要步骤的代码。最后在深入分析不同迭代次数下得到的不同分类图的基础上,研究了迭代次数值对最后分类结果的影响. 展开更多

关键词 非监督分类 K均值算法 VC++2005

在线阅读 下载PDF 职称材料

二次幂耦合的K-means聚类算法研究 被引量：6

10

作者 相益萱 姜合 +1 位作者 潘品臣 孙聪慧 《计算机工程与应用》 CSCD 北大核心 2021年第14期95-102,共8页

在聚类研究中,通常认为数据集的对象、属性等方面是满足独立同分布的,它们之间是互不影响的,然而实际上它们之间存在着某些潜在的联系,即非独立同分布。为了更好地挖掘其存在的潜在关系,将数据集进行二次幂处理,计算皮尔森相关系数后得... 在聚类研究中,通常认为数据集的对象、属性等方面是满足独立同分布的,它们之间是互不影响的,然而实际上它们之间存在着某些潜在的联系,即非独立同分布。为了更好地挖掘其存在的潜在关系,将数据集进行二次幂处理,计算皮尔森相关系数后得到二次幂耦合的数据集样本,为了解决K-means聚类算法存在选取初始中心点的敏感性问题,基于密度的思想,通过计算密度参数合理调整高密度区域,利用聚类迭代的方法进行选点,将高密度区域中的密度最大点作为初始点,距离初始点最远点作为第二个点,以前两个点为中心聚类迭代得到两个质心,将距离两个质心最远的点作为第三点,以此类推,实验结果表明所给的算法能够得到较高的准确率,较少的迭代次数,以及相对较好的聚类效果。 展开更多

关键词 非独立同分布 二次幂耦合 皮尔森相关系数 聚类迭代 k-means聚类算法

在线阅读 下载PDF 职称材料

基于半监督学习的煤层钻孔预抽瓦斯状态评价方法

11

作者 晏立 文虎 +1 位作者 王振平 金永飞 《工矿自动化》 北大核心 2025年第3期113-121,共9页

目前单一钻孔抽采状态评价方法通常依赖于瓦斯抽采浓度,而忽视了煤层瓦斯赋存的多样性。监督学习模型依赖于样本的特征标记,在样本量较大时,人工标注的成本较高;无监督学习模型缺乏样本标记,无法实现定性评价。针对上述问题,提出一种基... 目前单一钻孔抽采状态评价方法通常依赖于瓦斯抽采浓度,而忽视了煤层瓦斯赋存的多样性。监督学习模型依赖于样本的特征标记,在样本量较大时,人工标注的成本较高;无监督学习模型缺乏样本标记,无法实现定性评价。针对上述问题,提出一种基于半监督学习的煤层钻孔预抽瓦斯状态评价方法。构建了包含甲烷浓度、抽采负压、环境温度等8项指标的多维度评价体系,采用层次分析法(AHP)与模糊评价法(FEM)结合的权重赋值方法,建立抽采效果等级划分标准。在此基础上,提出基于高斯混合模型(GMM)与K-Means算法的半监督学习模型(SSGMM/SSK-Means),通过融合少量人工标注样本与大量未标注数据,实现单一钻孔抽采状态的动态分类。SSGMM聚集度更好,SSK-Means效率更高,形成“精度-效率”的互补关系。在陕西黄陵二号煤矿215工作面的应用结果表明:SSGMM和SSK-Means的最大聚集度(MVCR)和修正Rand指数(ARI)分别达82.64%和85.83%,显著优于传统聚类方法;通过动态反馈机制优化后,原等级为“差”的钻孔抽采效率提升5.26%~5.80%,补差率达100%。 展开更多

关键词 煤层瓦斯 抽采效果评价 半监督学习 层次分析法 模糊评价法 高斯混合模型 k-means算法

在线阅读 下载PDF 职称材料

退火EM算法在非监督图像分割中的应用

12

作者 赵扬 马尽文 《信号处理》 CSCD 北大核心 2005年第z1期343-347,共5页

图像分割是数字图像处理的一项重要内容.本文将基于高斯混合模型的退火EM算法应用于非监督图像分割.由于退火EM算法具有自动探测数据中类别数的功能,通过使用退火EM算法则能够在图像中自动确定其对象的个数,并得到较好的分割结果.实验表... 图像分割是数字图像处理的一项重要内容.本文将基于高斯混合模型的退火EM算法应用于非监督图像分割.由于退火EM算法具有自动探测数据中类别数的功能,通过使用退火EM算法则能够在图像中自动确定其对象的个数,并得到较好的分割结果.实验表明,应用退火EM算法进行图像分割是可行、有效的. 展开更多

关键词 图像处理 非监督学习 EM算法 高斯混合模型.

在线阅读 下载PDF 职称材料

基于两阶段混合算法的四向穿梭式密集仓储系统货位分配优化

13

作者 吴自松 苌道方 盖宇春 《系统仿真学报》 北大核心 2025年第5期1234-1245,共12页

为了解决四向穿梭车式密集仓储系统货位分配中存在的货位密集分布、穿梭车容易拥堵等问题,结合四向穿梭式密集仓储系统货位分布的特点,将货位进行栅格化处理,构建了以货架稳定性、出入库效率及设备使用均衡为目标建立货位分配模型;针对... 为了解决四向穿梭车式密集仓储系统货位分配中存在的货位密集分布、穿梭车容易拥堵等问题,结合四向穿梭式密集仓储系统货位分布的特点,将货位进行栅格化处理,构建了以货架稳定性、出入库效率及设备使用均衡为目标建立货位分配模型;针对该模型设计了一种两阶段混合算法:第一阶段通过引入爬山算法改进非支配排序遗传算法的局部搜索策略,求解一组Pareto前沿集;第二阶段由K-means对Pareto前沿集进行剪枝。通过仿真实验对模型和算法的有效性进行分析,结果表明本方案与目标赋予权重的方案相比,设备使用均衡、货架稳定性、出入库效率目标分别优化了3.1%,4.5%和3.4%,所提出的两阶段混合算法的求解结果与速度均优于非支配排序遗传算法。 展开更多

关键词 货位分配 多目标优化 非支配排序遗传算法 爬山算法 k-means

在线阅读 下载PDF 职称材料

自适应样本和特征加权的k-means算法 被引量：2

14

作者 郑佳炜 唐厂 《计算机应用》 CSCD 北大核心 2023年第S02期99-104,共6页

针对k-means算法在处理一些同时具备样本噪声与特征噪声的数据集时表现不佳的问题,提出一种自适应样本和特征加权的k-means聚类算法(ASFW)。所提算法引入负熵和一种正则化项,在每次迭代中自适应地调整样本和特征权重,并通过一种新的距... 针对k-means算法在处理一些同时具备样本噪声与特征噪声的数据集时表现不佳的问题,提出一种自适应样本和特征加权的k-means聚类算法(ASFW)。所提算法引入负熵和一种正则化项,在每次迭代中自适应地调整样本和特征权重,并通过一种新的距离度量函数向最优解进行退火,可以有效避免得到较差的局部最小值,同时保持经典k-means算法的简单性。在人工合成数据集的聚类结果表明,相较于同类算法,ASFW的聚类效果更好,且对噪声样本和特征赋予的权值更正确合理,说明所提算法能够有效识别噪声,降低噪声对聚类结果的影响;在6个真实数据集下的聚类结果显示,ASFW在各个数据集的聚类性能均优于对比算法,且在大多数数据集上取得了最佳的标准互信息(NMI)和调整兰德系数(ARI),充分验证了ASFW具有良好的聚类性能。 展开更多

关键词 聚类 k-means算法 自适应学习 样本加权 特征加权 无监督学习

在线阅读 下载PDF 职称材料

一种基于EM非监督训练的自组织分词歧义解决方案 被引量：14

15

作者 王伟 钟义信 +1 位作者 孙建 杨力 《中文信息学报》 CSCD 北大核心 2001年第2期38-44,共7页

本文旨在提供一种基于非监督训练的分词歧义解决方案和一种分词算法。基于EM的思想 ,每个句子所对应的所有 (或一定范围内 )的分词结果构成训练集 ,通过这个训练集和初始的语言模型可以估计出一个新的语言模型。最终的语言模型通过多次... 本文旨在提供一种基于非监督训练的分词歧义解决方案和一种分词算法。基于EM的思想 ,每个句子所对应的所有 (或一定范围内 )的分词结果构成训练集 ,通过这个训练集和初始的语言模型可以估计出一个新的语言模型。最终的语言模型通过多次迭代而得到。通过一种基于该最终语言模型的统计分词算法 ,对于每个句子至少带有一个歧义的测试集的正确切分精度达到 85 .36 % (以句子为单位 ) 展开更多

关键词 EM算法 分词歧义 非监督训练 分词语言模型 歧义消除 汉语处理 训练算法 分词算法

在线阅读 下载PDF 职称材料

基于遗传策略和神经网络的非监督分类方法 被引量：3

16

作者 黎明 严超华 刘高航 《软件学报》 EI CSCD 北大核心 1999年第12期1310-1315,共6页

文章提出了一种新的基于遗传策略和模糊 ART(adaptive resonance theory)神经网络的非监督分类方法 .首先 ,利用原有的训练样本对模糊 ART神经网络进行非监督训练 ,然后 ,采用遗传策略为模糊 ART神经网络增加各类族边界邻域内的训练样本... 文章提出了一种新的基于遗传策略和模糊 ART(adaptive resonance theory)神经网络的非监督分类方法 .首先 ,利用原有的训练样本对模糊 ART神经网络进行非监督训练 ,然后 ,采用遗传策略为模糊 ART神经网络增加各类族边界邻域内的训练样本点 ,再对模糊 ART神经网络进行有监督训练 .这种方法解决了训练样本在较少条件下的 ART系列神经网络的学习与分类问题 ,提高了 ART系列神经网络的分类性能 。 展开更多

关键词 神经网络 遗传算法 ART 非监督分类

在线阅读 下载PDF 职称材料

主动纠错式半监督聚类社区发现算法 被引量：3

17

作者 张贤坤 刘渊博 +1 位作者 任静 张高祯 《计算机应用研究》 CSCD 北大核心 2019年第9期2631-2635,2660,共6页

经典的无监督聚类算法快速、简单且可以直接对大规模数据集进行划分,但是由于网络结构较为复杂,划分的准确度并不高。为此,提出一种基于主动学习的纠错式半监督社区发现算法ESCD(error correction semisupervised community detection a... 经典的无监督聚类算法快速、简单且可以直接对大规模数据集进行划分,但是由于网络结构较为复杂,划分的准确度并不高。为此,提出一种基于主动学习的纠错式半监督社区发现算法ESCD(error correction semisupervised community detection algorithm),将传统的K-means算法进行分步计算,并且在聚类的过程中加入成对约束。根据先验信息保留正确的划分,纠正错误的划分来改变网络的连接关系,使网络具有更明显的块结构,当节点与聚类中心的距离不再变化时划分结束。实验结果表明,与现有的社区发现算法相比,ESCD算法具有更高的精度,且所需的监督信息远远小于其他半监督算法。 展开更多

关键词 主动学习 纠错式半监督社区发现 k-means算法 成对约束

在线阅读 下载PDF 职称材料

基于不完全分层MRF的非监督图象分割 被引量：3

18

作者 汪西莉 刘芳 焦李成 《电子学报》 EI CAS CSCD 北大核心 2004年第7期1086-1089,共4页

分层马尔可夫随机场 (MRF)图象模型由于层间具有因果关系 ,且这种因果关系符合图象的性质 ,使基于该模型的图象处理时间比平面MRF模型所用的时间大为减少 .针对作者提出的一种新的分层马尔可夫图象模型———不完全分层模型 ,导出EM算... 分层马尔可夫随机场 (MRF)图象模型由于层间具有因果关系 ,且这种因果关系符合图象的性质 ,使基于该模型的图象处理时间比平面MRF模型所用的时间大为减少 .针对作者提出的一种新的分层马尔可夫图象模型———不完全分层模型 ,导出EM算法以估计模型参数 .算法继承了分层模型非迭代算法运算速度快的优点 ,并因为模型结构的简化进一步减少了计算量 ,算法在模型的最上层加入了平面节点间信息的交互 ,以较少的计算换来了更加精确的参数估计结果 .算法用于图象非监督分割的实验表明 ,和分层模型算法相比 ,其处理速度更快、由所估计的参数得到了更好或相当的分割结果 。 展开更多

关键词 不完全分层MITE EM算法 非监督图象分割

在线阅读 下载PDF 职称材料

一种基于混合概率PCA模型的高光谱图像非监督分类方法 被引量：3

19

作者 吴昊 郁文贤 匡纲要 《国防科技大学学报》 EI CAS CSCD 北大核心 2005年第2期61-64,共4页

提出了一种在期望最大化(EM)算法框架下同时实现混合概率主成分分析(PPCA)降维和聚类的高光谱图像非监督分类方法。它根据不同类别应各有自己代表性的特征集,将通常意义下的特征抽取和模式分类合并在一步内完成,尽可能地保留了可分性;... 提出了一种在期望最大化(EM)算法框架下同时实现混合概率主成分分析(PPCA)降维和聚类的高光谱图像非监督分类方法。它根据不同类别应各有自己代表性的特征集,将通常意义下的特征抽取和模式分类合并在一步内完成,尽可能地保留了可分性;同时该方法具有概率模型的优点,更适合高维数据处理。采用仿真数据和真实数据进行的比较实验表明,该算法较一般不加区分地对所有原始数据进行PCA降维再分类的方法能得到更好的分类结果。 展开更多

关键词 非监督分类 降维 混合概率主成分分析 期望最大化算法

在线阅读 下载PDF 职称材料

基于独立分量分析的极化SAR图像非监督分类方法 被引量：3

20

作者 付毓生 谢艳 +1 位作者 皮亦鸣 侯印鸣 《电波科学学报》 EI CSCD 北大核心 2007年第2期255-260,共6页

提出了一种针对极化合成孔径雷达(SAR)图像的新的分类方法——基于独立分量分析(ICA)的非监督分类方法。该方法将ICA和基于模糊集理论的非监督分类方法结合起来。用ICA方法对原始极化SAR图像进行特征提取,并用模糊C均值(FCM)算法对提取... 提出了一种针对极化合成孔径雷达(SAR)图像的新的分类方法——基于独立分量分析(ICA)的非监督分类方法。该方法将ICA和基于模糊集理论的非监督分类方法结合起来。用ICA方法对原始极化SAR图像进行特征提取,并用模糊C均值(FCM)算法对提取出的独立分量图像进行分类。该算法可对极化SAR图像进行自动分类,并减少由相干斑噪声所引起的分类错误,且其收敛速度快、稳定性高。采用SIR-C/X-SAR数据的试验证明了该算法的有效性。 展开更多

关键词 雷达极化 合成孔径雷达 独立分量分析 主分量分析 峰起度 非监督分类 模糊C均值算法

在线阅读 下载PDF 职称材料