聚类分析在非监督图像分类中的应用研究

doi:10.3969/j.issn.1006-2475.2009.10.025

计算机与现代化 ›› 2009, Vol. 1 ›› Issue (10): 88-4.doi: 10.3969/j.issn.1006-2475.2009.10.025

聚类分析在非监督图像分类中的应用研究

孟海东¹，郝永宽²，王淑玲²

1．内蒙古科技大学资源与安全工程学院,内蒙古包头 014010;2．内蒙古科技大学信息工程学院,内蒙古包头 014010

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2009-10-15 发布日期:2009-10-15

Application Research on Clustering Analysis in Unsupervised Image Classification

MENG Hai-dong¹,HAO Yong-kuan²,WANG Shu-ling²

1.School of Resource and Safety Engineering, Inner Mongolia University of Science and Technology, Baotou 014010, China; 2.School of Information Engineering, Inner Mongolia University of Science and Technology, Baotou 014010, China

Received:1900-01-01 Revised:1900-01-01 Online:2009-10-15 Published:2009-10-15

摘要/Abstract

摘要：

为了提高聚类分析在非监督计算机图像分类中的应用效果，将设计并实现的基于密度和自适应密度可达聚类分析算法应用于图像分类。通过与K-means和层次聚类对图像分类效果的实验对比，证明了基于密度和自适应密度可达聚类分析算法在非监督计算机图像分类中具有良好的应用效果。

关键词: 非监督分类, 图像分类, 聚类算法

Abstract:

In order to improve the application effectiveness of clustering analysis in unsupervised image classification, Clustering Algorithm based on Density and adaptive Densityreachable (CADD), which is designed and applied to image classification. Compared with the classifying results of Kmeans and hierarchical method, it is evident that CADD has good effects in unsupervised image classification.

Key words: unsupervised classification, image classification, clustering algorithm

孟海东;郝永宽;王淑玲. 聚类分析在非监督图像分类中的应用研究[J]. 计算机与现代化, 2009, 1(10): 88-4.

MENG Hai-dong;HAO Yong-kuan;WANG Shu-ling. Application Research on Clustering Analysis in Unsupervised Image Classification[J]. Computer and Modernization, 2009, 1(10): 88-4.

[1]	邱凯星, 冯广. 基于双重特征注意力的多标签图像分类模型[J]. 计算机与现代化, 2023, 0(12): 41-47.
[2]	吴甜, 刘海华, 童顺延. 基于深度反馈的卷积神经网络的图像分类[J]. 计算机与现代化, 2023, 0(09): 82-86.
[3]	马国祥, 杨凌菲, 严传波, 张志豪, 孙彬, 王晓荣. 基于深度DenseNet网络的肝包虫病超声影像诊断方法[J]. 计算机与现代化, 2023, 0(09): 100-104.
[4]	秦竹媛, 吴浩忠, 谭代庆, 韩爱庆, 臧昊, 王选, 唐燕. 基于多尺度ResNet融合注意力机制的麦冬细粒度识别[J]. 计算机与现代化, 2023, 0(07): 105-111.
[5]	朱剑波, 葛明锋, 董文飞. 基于改进EfficientNet的阿尔兹海默症图像分类[J]. 计算机与现代化, 2023, 0(06): 56-61.
[6]	吴志平, 麻尧斌, 汤文超, 胡必伟, 胡毕炜, 刘明嘉. 基于上下文感知和超像素后处理的多光谱图像分类[J]. 计算机与现代化, 2022, 0(12): 67-73.
[7]	丁绪东, 杨东润, 刘慧, 赵星凯, 张迎, 孙梅, . 数据驱动的蒸发器在线建模方法[J]. 计算机与现代化, 2022, 0(11): 22-31.
[8]	杨贞, 单孟姣, 殷志坚, 杨凡, 李翠梅. 细粒度图像分类的通道自适应判别性学习方法[J]. 计算机与现代化, 2022, 0(10): 68-74.
[9]	黄延辉, 兰海, 魏宪. 基于可分离结构变换的轻量级Vision Transformer[J]. 计算机与现代化, 2022, 0(10): 75-81.
[10]	王盼红, 朱昌明. 融合CNN与交互特征的多标签图像分类方法[J]. 计算机与现代化, 2022, 0(09): 85-92.
[11]	申智, 徐丽, 符祥远. 基于改进YOLO v4光线模糊场景下交通标志检测[J]. 计算机与现代化, 2022, 0(07): 27-32.
[12]	张林鹏, 汪西原, 李强. 基于双池化特征加权结构CNN的图像分类[J]. 计算机与现代化, 2021, 0(11): 67-71.
[13]	冯俊淇, 张正军, 章曼, 严涛. 基于熵与邻域约束的模糊C均值改进算法[J]. 计算机与现代化, 2021, 0(11): 89-94.
[14]	蔡丽萍, 张晨晨, 李世宝, 刘建航. 移动群智感知中图片情境信息的聚类动态查找算法[J]. 计算机与现代化, 2021, 0(07): 43-48.
[15]	郑钦浩, 杨贞, 杨振 . 面向车辆和行人检测的KM-SSD方法[J]. 计算机与现代化, 2021, 0(03): 51-56.

聚类分析在非监督图像分类中的应用研究

Application Research on Clustering Analysis in Unsupervised Image Classification

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价