半監(jiān)督聚類集成方法及其應用研究.pdf

1、隨著信息技術和網(wǎng)絡技術的迅猛發(fā)展，人們獲取信息的能力和渠道得到極大的擴展。海量數(shù)據(jù)在豐富人們資訊的同時，也給信息的組織、查找和分析帶來極大的挑戰(zhàn)。如何快速、準確地從海量知識庫中提取有用的信息，成為很有價值的研究課題。
　　一方面，本文研究的聚類是數(shù)據(jù)分析的一個重要研究內容:尋找并利用輸入數(shù)據(jù)集中潛藏的結構或者規(guī)律，按照最大化簇內相似性、最小化簇間相似性的原則，實現(xiàn)訓練樣本劃分聚簇的預測。雖然數(shù)據(jù)收集方法的多樣化和存儲技術的快速發(fā)展

2、使得收集數(shù)據(jù)變得相當容易，但這些數(shù)據(jù)大多沒有類別標記，而在實際的某些應用中人們可以獲得少量的標簽信息，加上大數(shù)據(jù)時代下的數(shù)據(jù)對象抽象復雜，應現(xiàn)實需要和時代要求，至今已提出大量改進的創(chuàng)新理論和方法，其中以半監(jiān)督聚類和聚類集成為代表的研究取得了豐碩的成果。半監(jiān)督聚類集成是論文研究的重點。另一方面，圖像是多媒體時代重要的產(chǎn)物?；趦热莸膱D像檢索能有效存儲和管理海量的圖像資源，然而它受到“語義鴻溝”制約，建立語義映射的圖像標注成為多媒體領域研究

3、的重要課題?，F(xiàn)有圖像標注效果在較大程度上依靠于圖像分割和聚類技術，而分割方法難以突破、無監(jiān)督聚類效果不佳，論文嘗試從半監(jiān)督聚類角度挖掘圖像語義內容，對基于聚類的圖像標注展開研究。
　　論文首先分析聚類與半監(jiān)督聚類的研究背景和現(xiàn)狀;接著探討半監(jiān)督聚類集成關鍵技術;然后重點闡述提出的約束與度量相結合的半監(jiān)督聚類集成方法及其在圖像自動標注中的應用，詳細解釋方法的理論基礎和建模過程，結合實驗結果進行對比分析;最后對論文研究工作進行總結以及

4、對進一步研究進行探討和展望。論文取得的成果主要有:
　　現(xiàn)有的半監(jiān)督聚類算法主要有兩類，基于約束的方法和基于度量的方法。這兩類算法有自己的側重點，但它們并不是完全分離開的，或者說它們也存在共生關系，因為在實際算法中，兩個因素都考慮的話可以得到更令人滿意的結果。目前的基于約束和度量的融合方法大部分是在同一個目標函數(shù)中實現(xiàn)兩者優(yōu)勢互補，極少運用集成機制將兩者整合到一致性函數(shù)中。本文提出約束和度量相結合的半監(jiān)督聚類集成方法，分別采用基于

5、約束的方法和基于度量的方法得到多個基聚類，最后運用集成策略將其整合求取最終結果。
　　關于圖像數(shù)據(jù)的度量，先前的方法大都只考慮像素固有特征。然而像素與它的鄰域像素是緊密關聯(lián)的，故在目標函數(shù)中考慮鄰域空間信息是有必要也更合理的，目前通常采取的方法是計算均值、加權均值或統(tǒng)計算子等，但是這樣得出的結果與實際特征之間仍然會存在或大或小的差距，為了縮小這樣的差距，文中考慮一種新的方法，像素之間的距離由它們的固有特征和鄰域空間信息共同決定，這

6、一方法打破了傳統(tǒng)的單一視角，更加準確地反映出像素之間的度量關系。準確的度量測度有助于聚類性能的提高。
　　圖像的內容往往具有復雜性、模糊性、抽象性和多義性等特點，如果只是僅僅依靠低層視覺特征對圖像進行描述的說服力遠遠不夠，這就需要將低層特征映射到高級語義，得到能夠反映圖像內容的語義概念。文中采用關鍵詞分類法自動獲得輔助半監(jiān)督聚類的區(qū)域標注（監(jiān)督信息），進而將提出的約束與度量相結合的半監(jiān)督聚類集成方法與跨媒體相關模型結合，采用重采樣