基于粒子群优化和EM算法的图像聚类研究
针对现有EM(Expectation Maximization)聚类算法对初始值敏感并容易陷入局部极小值的情况,提出一种基于改进粒子群算法的混合PSOEM聚类算法.首先,用惯性权重沿折线先增后减的改进粒子群算法,自动得到任意数据集的最佳聚类个数,得到混合模型的初始参数;其次,采用EM算法多次迭代估计混合密度模型的参数;最后,根据贝叶斯准则实现图像数据分类.此方法可以增加EM聚类算法初始化的多样性,促进全局范围内的寻优搜索.实验结果表明与传统EM聚类算法相比,本文算法聚类准确率更高,聚类效果更好.
粒子群优化、EM算法、惯性权重、聚类
36
TP391(计算技术、计算机技术)
江苏省自然科学基金项目BK20130529;高等学校博士学科点专项科研基金项目20113227110010;江苏省博士后科研计划项目1202037C;中国博士后科学基金项目2013M541616
2016-09-18(万方平台首次上网日期,不代表论文的发表时间)
共5页
1602-1606