知识迁移的极大熵聚类算法及其在纹理图像分割中的应用

发布时间：2018-06-27 12:19

  本文选题：迁移学习 + 中心迁移匹配　； 参考：《智能系统学报》2017年02期

【摘要】：本文研究了一种新型的基于知识迁移的极大熵聚类技术。拟解决两大挑战性问题:1)如何从源域中选择合适的知识对目标域进行迁移学习以最终强化目标域的聚类性能;2)若存在源域聚类数与目标域聚类数不一致的情况时,该如何进行迁移聚类。为此提出一种全新的迁移聚类机制,即基于聚类中心的中心匹配迁移机制。进一步将该机制与经典极大熵聚类算法相融合提出了基于知识迁移的极大熵聚类算法(KT-MEC)。实验表明,在不同迁移场景下的纹理图像分割应用中,KT-MEC算法较很多现有聚类算法具有更高的精确度和抗噪性。
[Abstract]:This paper studies a new method of maximum entropy clustering based on knowledge migration. It is proposed to solve two challenging problems: 1) how to select the appropriate knowledge from the source domain to transfer learning to the target domain in order to eventually strengthen the clustering performance of the target domain; 2) how to carry out if there is no consistency between the number of the source domain clustering number and the target domain clustering number A new migration clustering mechanism is proposed, which is based on the central matching migration mechanism based on the cluster center. A new maximum entropy clustering algorithm based on knowledge migration (KT-MEC) is proposed by combining the mechanism with the classical maximum entropy clustering algorithm. The experiment shows that in the application of texture image segmentation under the different migration scenarios, KT- MEC algorithm has higher accuracy and noise immunity than many existing clustering algorithms.
【作者单位】： 江南大学数字媒体学院;
【基金】：国家自然科学基金项目(61572236) 江苏省自然科学基金项目(BK20160187) 江苏省产学研前瞻性联合研究项目(BY2013015-02)
【分类号】：TP391.41

【相似文献】

相关期刊论文 前10条

1 肖志涛,于明;纹理图像分类系统的设计及实现[J];计算机应用;2000年09期

2 刘国强;纹理防伪——21世纪防伪新技术[J];中国防伪;2001年03期

3 李晗静,郭恒业,赵辉,陈爽;合并纹理图像技术[J];计算机工程与应用;2003年29期

4 徐晓刚,马利庄;纹理混合与纹理传输[J];计算机辅助设计与图形学学报;2003年01期

5 田玉敏,乃学尚,高有行,宋笑雪;基于整数小波系数的纹理图像检索方法研究[J];西安电子科技大学学报;2003年01期

6 向世明,赵国英,陈睿,贾富仓,李华;纹理图像基及其应用[J];计算机辅助设计与图形学学报;2005年07期

7 刘利娟,叶正麟,古元亭;一种近似周期性纹理的合成方法[J];计算机工程与应用;2005年11期

8 李辉;曾安祥;潘宏伟;廖昌阊;;虚拟超大纹理的设计与实现[J];四川大学学报(工程科学版);2006年06期

9 郭亚红;胡少军;何东健;耿楠;;一种基于OpenGL Performer的实时纹理替换方法[J];电脑知识与技术(学术交流);2007年02期

10 张宏;郭发群;肖勇;;板材纹理识别现状分析[J];林业劳动安全;2008年01期

相关会议论文 前10条

1 薛玉彩;张剑清;张祖勋;;数字城市中真实墙面纹理图像的压缩[A];开创新世纪的通信技术——第七届全国青年通信学术会议论文集[C];2001年

2 周佳男;;一种拓扑纹理图像的相位场模型分割算法[A];第二十七届中国控制会议论文集[C];2008年

3 田松;许悦雷;关文彬;李涛;董艳芳;;基于多尺度分析的纹理图像分割[A];探索 创新 交流——第五届中国航空学会青年科技论坛文集(第5集)[C];2012年

4 祝轩;周明全;耿国华;;非纹理图像修复方法研究[A];图像图形技术与应用进展——第三届图像图形技术与应用学术会议论文集[C];2008年

5 曹汉强;朱光喜;朱耀庭;;基于分形的自然纹理图像生成方法[A];中国图象图形科学技术新进展——第九届全国图象图形科技大会论文集[C];1998年

6 黄建军;谢维信;;基于最佳滤波和自适应模糊聚类的纹理图像分割[A];第九届中国体视学与图像分析学术会议论文集[C];2001年

7 沈妮;张红英;彭启琮;;一种新型基于纹理合成的图像补全算法在DSP上的实现[A];2006中国西部青年通信学术会议论文集[C];2006年

8 李凯智;阿木古楞;白云莉;;不变矩纹理图像分割的特征向量选择探讨[A];第八届全国信息获取与处理学术会议论文集[C];2010年

9 杨芳;田学东;郭宝兰;;一种改进的字体纹理识别方法[A];第八届全国汉字识别学术会议论文集[C];2002年

10 肖春霞;黄志勇;聂勇伟;刘梦;何发智;;结合图像细节特征的全局优化纹理合成[A];中国计算机图形学进展2008--第七届中国计算机图形学大会论文集[C];2008年

相关重要报纸文章 前1条

1 小刺猬;羽 毛[N];中国电脑教育报;2004年

相关博士学位论文 前10条

1 马爽;纹理图像智能修补关键技术研究[D];华北电力大学;2015年

2 朱峰;基于分形几何的彩色纹理图像分析方法研究[D];东南大学;2015年

3 王怀晖;基于特征的复杂流场纹理可视化关键技术研究[D];国防科学技术大学;2015年

4 李娜;褪色文物模型色彩重建技术研究[D];西北大学;2015年

5 冯志林;拓扑纹理图像的关键预处理技术研究[D];浙江大学;2005年

6 乔玉龙;小波在纹理图像处理中的应用研究[D];哈尔滨工业大学;2006年

7 向世明;纹理图像统计及其应用研究[D];中国科学院研究生院（计算技术研究所）;2004年

8 夏勇;基于特征的纹理图像分割技术研究[D];西北工业大学;2006年

9 刁常宇;三维模型实拍纹理高精度重建研究[D];浙江大学;2007年

10 朱正礼;基于多尺度几何分析的纹理图像检索研究[D];南京理工大学;2012年

相关硕士学位论文 前10条

1 周敏刚;基于双边局部二值模式的旋转不变纹理图像检索[D];兰州大学;2015年

2 陈丽;纹理图像的结构提取方法研究[D];哈尔滨工业大学;2015年

3 王隆;虚拟地球表面纹理数据的处理与管理[D];浙江大学;2015年

4 尹相凤;基于非局部CTV-L1模型的大破损彩色纹理图像修复[D];青岛大学;2015年

5 徐广毅;基于三维模型几何信息的纹理图像压缩[D];哈尔滨工业大学;2015年

6 张奇;红外纹理生成与重采样方法研究[D];西安电子科技大学;2014年

7 杨青;纹理图像局部灰度自动校正及其在叶脉分割中的应用研究[D];东华理工大学;2016年

8 陈刚;纹理图像特征提取与聚类集成[D];福州大学;2013年

9 向斌;纹理图像特征提取与子空间分割聚类[D];福州大学;2014年

10 赵晓蕊;基于稀疏表示及卡通—纹理模型的相位恢复算法研究[D];燕山大学;2016年

，

本文编号：2073897