文献

J-GLOBAL ID：201702230050554909   整理番号：17A0066432

画像の高次元データのK-平均適応クラスタリングアルゴリズム【JST・京大機械翻訳】

Adaptive K-means to High Dimensional Feature of Image

著者 (5件)： Tang Yingjun (Software and Communication Technology School,Jiangxi University of Finance and Economics) ,  Huang Shuying (Software and Communication Technology School,Jiangxi University of Finance and Economics) ,  Yang Yong (Information and Technology School,Jiangxi University of Finance and Economics) ,  Dai Liyun (Software and Communication Technology School,Jiangxi University of Finance and Economics) ,  Li Xianhong (Jiangxi Tourism and Commerce Vocational College)
資料名： Xiaoxing Weixing Jisuanji Xitong  (Xiaoxing Weixing Jisuanji Xitong)
巻： 37  号： 8  ページ： 1854-1856  発行年： 2016年 
JST資料番号： C2136A  ISSN： 1000-1220  CODEN： XWJXEH  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 画像情報処理において,視覚的辞書生成プロセスは高次元データをクラスタ化する必要がある。しかし,これらの高次元データは計算機のメモリと計算能力を避けることができない。本論文では,クラスタ化の間に生じる可能性のあるメモリの枯渇と初期クラスタの重心設定の問題を解決するために,既存のK-平均アルゴリズムを改良した。初期クラスタの重心と各種類の場面における特定の意味との関連を構築することによって、画像の各種類のシーンのクラスの特徴集合を表現し、さらにK-MEANSの過程における初期の重心の設定を指導するために用いる。さらに,反復プロセスにおいて,批次読入の特性記述子を用いて,K最近傍を用いてクラスタの割当てを行い,それにより,全特徴記述子によって引き起こされるメモリ枯渇問題を避けることができた。同時に、新しい質量に対して、総合判別平均値と中央値を用いる方法を用いて、各族の重合度を向上させる。提案した方法の性能を,OXFORD UNIVERSITYによって提案されたK-平均値と比較して,実験結果は,提案したアルゴリズムが性能と収束においてより優れていることを示した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *クラスタ ,  クラスタ化 ,  重心 ,  中央値 ,  計算機械 ,  *アルゴリズム ,  重合度 ,  記憶装置 ,  *画像 ,  統制索引語 ,  視覚
準シソーラス用語： 特徴記述子 ,  *クラスタリングアルゴリズム ,  *高次元データ , 【Automatic Indexing@JST】

著者キーワード (4件)： K-means ,  visual dictionary ,  image high dimension feature descriptor ,  K-nearest neighbor

分類 (2件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 高次元データ ,  平均 ,  適応 ,  クラスタリングアルゴリズム