基于圖模型的聚類算法研究.pdf_第1頁
已閱讀1頁,還剩86頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、隨著互聯(lián)網(wǎng)技術的高速發(fā)展和網(wǎng)絡資源信息的日益豐富,海量互聯(lián)網(wǎng)網(wǎng)頁同時涵蓋文本、圖像、視頻和音頻等媒體數(shù)據(jù)以及多種語言并存,呈現(xiàn)出跨媒體的特性。如果缺乏一套有效的檢索機制,從海量的跨媒體資源中搜尋信息無疑是大海撈針,因此,研究海量信息的跨媒體檢索機制至關重要。一般而言,用戶需要的檢索信息并不直接存在于被檢索資源中,而是需要搜索引擎對潛在的檢索結果作諸如摘要生成、分類、排重、聚類等智能處理,才能滿足用戶的檢索需求。 本文在廣

2、泛閱讀相關文獻、深入了解聚類算法的原理與應用的基礎上,主要針對基于圖模型的聚類算法,在算法的改進、應用上做了如下工作: 1.結合基于因數(shù)圖的仿射傳播聚類算法和k-中值多數(shù)投票算法的優(yōu)點,提出了使用松弛多根最小生成樹分配算法的投票分割式仿射傳播聚類算法,實驗結果證實了該算法的有效性。 2.提出了一種基于隨機分塊和投票聚類融合策略的聚類大規(guī)模數(shù)據(jù)集合的算法框架,并使用該算法框架對仿射傳播聚類算法進行了擴展,使

3、其能夠處理任意形狀的更大規(guī)模的數(shù)據(jù)集合,并驗證了該擴展的可行性和有效性。 3.對聚類分析在圖像搜索領域的應用進行了探索,提出了一個基于投票分割式仿射傳播聚類算法的圖片搜集模型。 本文的貢獻和創(chuàng)新主要體現(xiàn)在算法的改進和應用上: 1.提出了分割式仿射傳播聚類算法,它在實際聚類個數(shù)大于本質聚類個數(shù)時能在本質聚類上產(chǎn)生隨機的劃分,從而使其滿足投票策略對聚類生成器的隨機性的要求。 2

4、.提出了松弛多根最小生成樹分配算法,在基本保持聚類結果的隨機性的基礎上,減小了誤分配的概率。 3.將使用松弛多根最小生成樹算法的分割式仿射傳播聚類算法和投票策略結合在一起,并結合劃分一致性索引指標討論了如何選取合適的域值參數(shù)的問題。 4.提出了一種將時間復雜度和空間復雜度較高的聚類算法擴展到大規(guī)模數(shù)據(jù)集合應用上的算法框架--隨機分塊再融合,并用其對仿射傳播聚類算法進行了擴展,使其能處理更

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論