Renyi信息熵指导下的聚合层次化聚类
白雪
罗四维
黄雅平
1.北京交通大学计算机与信息技术学院,北京,1000442.北京交通大学计算机与信息技术学院,北京,1000443.北京交通大学计算机与信息技术学院,北京,100044
摘要：聚合层次化聚类是聚类分析中发现数据集潜在结构的一类重要方法.在这类方法中,影响聚类质量的一个关键问题是如何度量子类之间的距离.作为子类间的相似性度量,不但可以通过非参数估计的方式进行计算,还可有效地利用子类数据集中所有样本提供的信息,对子类中数据分布的描述更加充分.实验结果显示,在两种具有代表性的人造数据集上,基于Renyi熵的类间距离度量比3种传统度量方法有更好的层次化聚类效果.并且.在图像过分割的情况下,通过Renyi熵距离对子分割区域进行合并可以找到合理的分割目标.
关键词：聚合层次化聚类:图像过分割Renvi熵
分类号：TP391.4(计算技术、计算机技术)
资助基金：国家自然科学基金资助项目(60975078)国家自然科学基金资助项目(60902058)国家自然科学基金资助项目(60805041)国家自然科学基金资助项目(60872082)北京市自然科学基金资助项目(4092033)北京市自然科学基金资助项目(4112047)高等学校博士学科点专项科研基金项目资助(200800041049)
论文发表日期：2011-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 78-83 )
英文信息