一种快速自适应的均值漂移聚类算法

摘要：

特征空间分析是众多计算机视觉任务中的主要模块,均值漂移作为一种稳健的非参数特征空间分析方法,越来越得到广泛的应用,但对于高维特征空间该方法计算量相当大,甚至难以在实际中采用.因此,提出了一种基于近似最近邻搜索的自适应均值漂移方法ANNMS,大大减少了迭代计算量,不受特征维数限制,且能自适应确定核函数的带宽.通过图像分割实验,得到比标准均值漂移方法更精细的结果,且速度更快.

关键词：均值漂移、聚类、图像分割

所属期刊栏目：25

分类号：TP319(计算技术、计算机技术)

在线出版日期：2009-04-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：153-156