论文研究基于集成聚类学习的场景分割 .pdf

针对现有无须重新初始化的变分水平集分割模型,存在对边缘模糊、对比度差等图像不是很敏感、分割效果不理想的问题,提出了一种基于核模糊聚类的变分水平集医学图像分割方法。将原始图像进行核模糊C-均值聚类,把得

基于遗传模糊C-均值聚类的图象分割与边缘提取，王海军，，医学图像分割与边缘提取是医学图像分析的关键步骤,经典的模糊C-均值聚类算法(FCM)是常用方法,但其依赖于初始聚类中心的选择,通常存��

为了解决传统的Otsu法均分像素点的缺点以及Kapur法易受干扰的不稳定性，分析了这两种算法理论上的联系并结合它们的各自优势，提出一种新的算法，实现两者在图像阈值选取上的一种均衡。实验结果表明，新算法

聚类集成算法通常对聚类成员差异性要求较高，导致算法在生成聚类成员阶段计算复杂度提高。针对该问题提出了一种基于遗传算法的聚类集成方法CEGA，不考虑聚类成员的差异性，而是利用目标函数将聚类问题转化为聚类

在分析现有混合属性数据聚类算法存在问题的基础上，选用基于图论的松弛聚类算法作为解决问题的“基石”；引入基于“Local Scale”思想的高斯核参数计算步骤，对基于图论的松弛聚类算法进行了自适应改进，

基于聚类的医疗诊断系统的研究，常靖宇，黄樟灿，本文针对传统的检验病人所有健康指标确定病情的医疗诊断方法中存在的问题，提出了一种新的聚类判别的诊断方法。这种方法基于聚类

K均值聚类算法是目前一种较好的文本分类算法，算法中的相似度计算通常基于词频统计，小文档或简单句子由于词频过小，使用该算法聚类效果较差。为此，提出了一种基于词语关联度的相似度计算算法，对简单文档集执行

基于学习的web搜索结果聚类的一篇论文，外文的，学习文本聚类，开发聚类搜索引擎学习有帮助

一种基于MRF的道路场景分割方法，张浩峰，，道路场景分割在道路环境理解中是一个非常重要的环节。针对道路场景分割对于不同的场景可能会产生误分割的问题，论文采用基于PSO的

本资料属于机器学习领域的聚类问题，主要内容为：使用聚类方法来进行图像分割。