10.3969/j.issn.1005-3085.2019.03.001
基于多尺度信息融合的层次聚类算法
在体绘制领域和图像分割中,数据集通常具有流形结构,各部分边界连接紧密且伴随局部噪声,给传统聚类算法的应用带来了较大的困难.本文根据非参数密度估计方法提出了一种基于多尺度信息融合的层次聚类算法.新算法通过整合密度差异和边界信息构造了一种多尺度结构信息融合的相似性度量,通过水平集的图连接策略推导出一种层次化的类结构剖析过程以获取稳定的聚类结果.新算法不受数据集形状、密度类型的限制,无需对数据集进行假设,可自动识别数据集常见的聚类结构特征.同时聚类结果较为稳定,算法对噪声具有较强的鲁棒性.从人工数据集和真实数据集以及应用试验的测试结果可以看出新算法的优越性能.
层次聚类、多尺度信息融合、水平集、点云数据、体绘制
36
TP301(计算技术、计算机技术)
西安市科技计划项目201809164CX5JC6;安徽省教育厅自然项目KJ2015A076;国家自然科学基金61305070
2019-06-25(万方平台首次上网日期,不代表论文的发表时间)
共11页
245-255