淮阴师范学院 机构 计算机科学与技术学院,江苏,淮安,223000
纸质出版:2017
移动端阅览
陈雅. 多媒体图像数据投影聚类融合算法优化研究[J]. 微电子学与计算机, 2017, 34(12): 134-137.
CHEN Ya. Multimedia Projection Image Data Fusion Algorithm Clustering Optimization Research[J]. 2017, 34(12): 134-137.
由于多媒体图像数据资源的种类繁多
维数较大
直接对其进行聚类融合的结果不理想
需要对聚类融合算法进行优化.目前存在的基于邻域保持嵌入的多媒体图像数据投影聚类融合算法
首先使用邻域保持嵌入法对多媒体图像数据投影样本维数进行约简处理; 然后对约简处理后的多媒体图像数据投影进行聚类融合.当前算法存在聚类性能较差
融合效果不佳的问题.提出基于粒子群的多媒体图像数据投影聚类融合优化算法
首先利用误差反传的梯度下降训练
选取出多媒体图像数据投影的聚类成员
为后续聚类融合提供准确的数据基础; 其次计算每个多媒体图像数据投影基聚类算法被选入优化基聚类子集的概率; 最后利用粒子群算法进行全局寻优
实现对多媒体图像数据投影聚类融合算法的优化.通过实验验证分析
结果表明
所提算法可以提高多媒体图像数据投影融合质量和聚类准确率.
Because there are so many types of multimedia image data resources
dimension is bigger
directly on the clustering of fusion result is not ideal
need to optimize the clustering fusion algorithm. The existing based on neighborhood remain embedded multimedia projection clustering image data fusion algorithm
the first to use method of neighborhood remain embedded multimedia projection image data sample dimension reduction processing; Then the reduction process of multimedia image projection for clustering data fusion. The present clustering algorithm performance is poor
poor fusion effect.In this paper
a multimedia projection image data clustering based on particle swarm optimization algorithm fusion
first using the gradient descent of error back propagation training
selection of multimedia projection image data clustering members
provide accurate data foundation for the subsequent clustering fusion; A comprehensive evaluation of the definition of diversity and correctness and then use standard
realize the selectivity of multimedia projection image data clustering fusion; Finally on this basis using the particle swarm algorithm of global optimization for its optimization. Through the experiment analysis
the results show that the proposed algorithm can improve the quality of multimedia projection image data fusion and clustering accuracy.
慕彩红, 霍利利, 刘逸, 等. 基于小波融合和PCA-核模糊聚类的遥感图像变化检测[J]. 电子学报, 2015, 43(7): 1375-1381. DOI: 1375
郝晶晶, 朱建军. 群体分类偏好下的双重语言信息融合聚类方法[J]. 控制与决策, 2015, 30(6): 1044-1052. DOI: 1044
吴晓璇, 倪志伟, 倪丽萍. 云计算环境下基于分形的聚类融合算法研究[J]. 计算机工程与应用, 2015, 51(14): 1-6. DOI: 1
冯中慧, 何亮, 王栋. 基于新的成员选择方法的聚类融合算法[J]. 微电子学与计算机, 2016, 33(11): 25-29. DOI: 25
刘蜀, 侯国超, 吉玉洁. 舰载指控系统雷达目标航迹信息融合算法研究[J]. 计算机仿真, 2016, 33(3): 9-12. DOI: 9
杨威, 朱福喜. 基于聚类融合的标题文本聚类方法[J]. 计算机工程与应用, 2015, 51(15): 129-133. DOI: 129
蒋玲莉, 莫志军, 陈安华, 等. 一种聚类优化融合故障诊断方法及其应用[J]. 中国机械工程, 2016, 27(15): 2055-2059. DOI: 2055
苏卫星, 朱云龙, 刘芳, 等. 基于改进模糊聚类的同构多传感器在线数据融合方法[J]. 信息与控制, 2015, 44(5): 557-563. DOI: 557
马传宾, 翟社平, 马蒙雨, 等. 一种有效的Web服务聚类方法[J]. 电子设计工程, 2016, 24(19): 11-14. DOI: 11
于耕, 宗平. 基于扩展自适应融合算法的GILS进近系统研究[J]. 计算机测量与控制, 2016, 24(2): 290-292. DOI: 290
0
浏览量
9
下载量
0
CSCD
关联资源
相关文章
相关作者
相关机构
京公网安备11010602201714号