大数据集快速均值漂移谱聚类算法及其在图像分割中的应用
DOI:
CSTR:
作者:
作者单位:

1. 江南大学信息工程学院

作者简介:

钱鹏江

通讯作者:

中图分类号:

基金项目:


Fast mean shift spectral clustering on large data sets
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    均值漂移谱聚类(MSSC) 算法为模式识别聚类任务提供了一种较新的方案. 然而由于其内嵌均值漂移过程的时间复杂度与样本容量呈平方关系, 其在大数据集环境的实用性受到大大削弱. 利用快速压缩集密度估计器(FRSDE) 替代Parren 窗密度估计式(PW) 并融合基于图的松弛聚类(GRC) 方法, 提出了快速均值漂移谱聚类(FMSSC) 算法. 相比原MSSC, 该算法的总体渐进时间复杂度与样本容量呈线性关系, 并具有自适应性和便捷性.

    Abstract:

    Mean shift spectral clustering(MSSC) provides an alternative for clustering tasks. However, due to the time complexity of its embedded mean shift is quadratic scaling in the sample size, the usefulness of MSSC is weakened greatly on large data sets. In this paper, the fast mean shift spectral clustering(FMSSC) algorithm is proposed by replacing parren window estimator(PW) with the fast reduced set density estimator(FRSDE) and combining with the graph-based relaxed clustering(GRC) technique. Compared with MSSC, the asymptotic time complexity of the proposed algorithm is linear with the data size, and the proposed method is straightforward and adaptable.

    参考文献
    相似文献
    引证文献
引用本文

钱鹏江, 王士同, 邓赵红.大数据集快速均值漂移谱聚类算法及其在图像分割中的应用[J].控制与决策,2010,25(9):1307-1312

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2009-08-14
  • 最后修改日期:2009-11-05
  • 录用日期:
  • 在线发布日期: 2010-09-20
  • 出版日期:
文章二维码