基于C均值聚類和圖轉導的半監督分類算法
大?。?/span>0.89 MB 人氣： 2017-11-28 需要積分：2
針對傳統圖轉導（ GT）算法計算量大并且準確率不高的問題，提出一個基于C均值聚類和圖轉導的半監督分類算法。首先，采用模糊C均值（FCM）聚類算法先對未標記樣本預選取，縮小圖轉導算法構圖數據集的范圍；然后，構建五近鄰稀疏圖，減少相似度矩陣的虛假連接，進而縮減了構圖的時間，通過標記傳播的方式得出初選未標記樣本的標記信息；最后，結合半監督流形假設模型利用擴充的標記數據集以及剩余未標記數據集進行分類器的訓練，進而得出最終的分類結果。在Weizmann Horse數據集下，所提算法分類準確率均達到96%以上，和傳統僅使用圖轉導的分類方法相比，解決了對初始標記集的依賴性問題，將準確率至少提高了l0%；將所提算法直接運用到兵馬俑數據集，分類準確度也達到95%以上，明顯高于傳統的圖轉導算法。實驗結果表明，基于C均值聚類和圖轉導的半監督分類算法，在圖像分類方面有較好的分類效果，對圖像的精準分類具有研究意義。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%