基于半監(jiān)督聚類的圖像分割算法研究.pdf

1、圖像分割是圖像分析和模式識別的首要問題，它在很大程度上決定著圖像的最終質量分析和判別分析的結果，半監(jiān)督聚類是目前機器學習和數據挖掘領域的一個研究熱點，吸引了眾多學者對該領域進行研究，并取得了一定的研究成果。本文對圖像分割方法和半監(jiān)督聚類方法進行了研究，提出了兩種基于半監(jiān)督聚類的圖像分割算法，并通過實驗對其分割效果進行了驗證，一定程度上豐富了圖像分割算法的研究內容，給圖像分割問題的求解提供了新的思路，具有一定的科研價值和應用潛力。

2、　　 半監(jiān)督聚類是利用數據集中帶有標簽或者限制信息的樣本數據輔助聚類的過程，因此，半監(jiān)督聚類中最重要的問題就是如何有效的利用原始數據中提供的已知標簽或限制信息，指導聚類過程，使其趨向于得到較好的結果?；诎氡O(jiān)督聚類的圖像分割算法針對傳統(tǒng)基于聚類的圖像分割算法存在的問題，這個問題是初始化類中心具有很大的隨機性，利用半監(jiān)督思想對基于聚類的圖像分割算法進行改進，集成有限的人工監(jiān)督信息，即在圖像上點擊有限的幾個點以標識對應區(qū)域之間的關系，將這

3、些點作為基于半監(jiān)督聚類的圖像分割算法中的帶有標簽信息的樣本數據，利用這些樣本數據初始化類中心，即借助少部分標簽數據輔助大量無標簽數據進行聚類學習，從而提高算法性能。
　　 從結構上看，本文首先對圖像分割的基本理論和常用方法進行了介紹，包括傳統(tǒng)圖像分割方法和結合特定理論的圖像分割方法，本文提出的兩種基于半監(jiān)督聚類的圖像分割算法就是在結合特定理論的圖像分割方法中介紹的基于聚類的方法的基礎上改進的。
　　 第三章中對半監(jiān)督學習

4、、半監(jiān)督聚類的相關理論進行了解釋，對常用的聚類算法進行了介紹，明確了聚類的通用流程，重點介紹了兩種經典的半監(jiān)督聚類算法Seeds-KMeans算法和Constrained-KMeans算法。
　　 第四章中提出了本文的核心內容基于半監(jiān)督KMeans聚類的圖像分割算法和基于半監(jiān)督FCM聚類的圖像分割算法，從算法提出的意義、算法的具體流程、以及算法的驗證實驗三個方面進行了詳細的闡述。驗證實驗表明，本文提出的算法在一定程度上效果良好。