半監(jiān)督均值偏移框架及其圖像分割應用.pdf

1、近年來半監(jiān)督學習成為了機器學習領(lǐng)域的研究熱點之一,作為半監(jiān)督學習分支之一的半監(jiān)督聚類也引起了越來越多的關(guān)注。與傳統(tǒng)聚類算法相比,半監(jiān)督聚類能利用少量的監(jiān)督信息引導更好的數(shù)據(jù)劃分或進行度量學習(Metric learning),從而獲得更好的聚類結(jié)果?，F(xiàn)有的半監(jiān)督聚類算法基本上來自對無監(jiān)督學習算法的成功改造,通常情況下是在原有聚類算法的目標函數(shù)中引入懲罰項來解決約束違反問題。均值偏移是計算機視覺領(lǐng)域的熱門算法之一,但對于均值偏移的半監(jiān)督改

2、造無法直接借鑒上述方法,這似乎是導致半監(jiān)督均值偏移算法研究少的主要原因。
　　 論文圍繞均值偏移算法的半監(jiān)督改造,提出了新的半監(jiān)督框架,并將該半監(jiān)督均值偏移模型應用于圖像分割。本文的主要創(chuàng)新與研究工作總結(jié)如下:
　　 1.在全面總結(jié)了均值偏移算法的基礎(chǔ)上,運用逐對約束傳播的思想,嘗試引入一個與均值偏移等價的目標函數(shù)來實現(xiàn)針對逐對約束的半監(jiān)督均值偏移(SSMS)模型,而且還可以利用少量監(jiān)督信息指導均值偏移中帶寬的選擇。在人