导读:本文包含了监督聚类论文开题报告文献综述及选题提纲参考文献，主要关键词:图像分割,可能性聚类,均值漂移,鲁棒性
监督聚类论文文献综述
胡雅婷,李长明,柳振鑫,任虹宾,陈营华[1]（2019）在《一种鲁棒的无监督聚类图像分割算法》一文中研究指出针对目前基于模糊C-均值聚类图像分割算法的噪声敏感问题,提出一种基于无监督可能性聚类的自动加权图像分割算法.该算法先应用均值漂移迭代确定可能性C-均值聚类算法的初始化中心,利用可能性聚类的模式搜索性质自动确定聚类划分;然后根据像素间灰度值关系进行图像加权,通过将加权系数与像素噪声的可能性相关联,降低噪声对图像分割的影响.实验结果表明,相对于基于模糊C-均值聚类的图像分割算法,该算法不仅取得了较好的分割效果,而且无监督分割时计算效率更高,对噪声的鲁棒性更强.(本文来源于《吉林大学学报(理学版)》期刊2019年06期）
陶性留,俞璐,王晓莹[2]（2019）在《基于成对约束的半监督聚类方法》一文中研究指出成对约束作为半监督学习的一个重要分支,它以无监督的聚类算法为基础,通过利用少量的监督信息来提高聚类的性能。提出了一种基于成对约束的半监督聚类方法,在FCM-NMF聚类算法框架下,采用非负矩阵分解提取样本的本质特征,并且加入成对约束条件指导聚类过程进行模糊聚类。构造出的新的目标函数采用梯度下降法和交替迭代公式来找局部最优解,并在UCI数据集上讨论了成对约束的数量对聚类的影响、价值系数的设置对聚类的影响,并与常见的半监督聚类性能进行了比较,证明了其正确性、有效性、稳定性。(本文来源于《信息技术与网络安全》期刊2019年11期）
秦悦,丁世飞[3]（2019）在《半监督聚类综述》一文中研究指出半监督聚类是结合半监督学习与聚类分析而提出的新的学习方法,其在机器学习中得到了广泛的重视和应用。传统无监督聚类算法在划分数据时并不需要任何数据属性,但在实际应用中,存在少量带有独立类标签或成对约束的监督信息的数据样本,学者们致力于将这些为数不多的监督信息运用于聚类,以得到更优的聚类结果,从而提出了半监督聚类。文中主要介绍了半监督聚类的理论基础和算法思想,并对半监督聚类的最新研究进展进行了综述。首先,对半监督学习的研究现状和分类进行了概述,并将生成式半监督学习、半监督SVM、基于图的半监督学习和协同训练这4种分类方法进行了对比;其次,针对半监督学习的聚类进行了详细的描述,并对4种典型半监督聚类算法(Cop-Kmeans算法、LCop-Kmeans算法、Seeded-Kmeans算法和SC-Kmeans算法)的算法思想进行了分析和总结,同时对这4种算法的优缺点进行了评价;然后,按照基于约束的半监督聚类和基于距离的半监督聚类两种情况,分别对半监督聚类的研究现状进行了阐述;最后,探讨了半监督聚类在生物信息学、图像分割以及计算机其他领域内的应用以及未来的研究方向。文中旨在使初学者能够快速了解半监督聚类的进展,理解典型的算法思想,并在之后的实际应用中能起到一定的指导作用。(本文来源于《计算机科学》期刊2019年09期）
古斌,郭武[4]（2019）在《说话人确认中基于无监督聚类的得分规整》一文中研究指出在说话人确认任务中,得分规整可有效调整测试得分分布,使每个说话人的得分分布接近同一分布,从而提升系统整体性能。直接从开发集中获得针对待识别目标说话人的大量冒认者得分,利用无监督聚类手段对这些得分进行筛选,并采用混合高斯模型来拟合得分分布,挑选均值最大的高斯单元作为得分规整的参数并将其应用于说话人的得分规整。在NIST SRE 2016测试集上的测试结果表明,相对于其他得分规整算法,采用无监督聚类得分规整的方法可有效提升系统性能。(本文来源于《数据采集与处理》期刊2019年05期）
向思源,金应华,徐圣兵[5]（2019）在《基于功效散度和成对约束的半监督聚类算法》一文中研究指出现有成对约束半监督聚类算法(CE-s SC)克服了极大熵聚类(MEC)算法不能利用样本成对约束信息的缺点,但CE-s SC算法的惩罚项中各熵项之间相互干扰,不利于惩罚项系数的选择。为克服此问题,基于相对熵提出了一类新的半监督聚类算法(PD-s SC),并把表示成对约束样本信息(外部信息)的相对熵项推广到了功效散度(PD)族。此时,PD指标可取任意的实数,当成对约束数较少时,可通过调整PD散度指标来选择比对比算法表现更好的PD-s SC算法。实验结果显示了PD-s SC算法的优良性质,PD-s SC算法惩罚系数的选择也比CE-s SC算法简单且高效。(本文来源于《佛山科学技术学院学报(自然科学版)》期刊2019年04期）
张静,李文斌,张志敏[6]（2019）在《基于半监督聚类的网络嵌入方法》一文中研究指出GEMSEC(graph embedding with self clustering)在计算节点特征的同时学习节点聚类,通过强制将节点进行聚类来揭露网络中的社区结构,但未考虑类别标签信息,导致学到的节点嵌入缺乏区分性。针对这一问题,提出了一种基于半监督聚类的网络嵌入方法(NESSC),将随机游走序列和少量节点类别标签作为输入,在计算节点特征和学习节点k-means聚类的过程中,利用类别标签信息指导聚类过程,同时重构已知节点类别标签信息,学习具有区分性的节点表示。在6个真实网络上进行节点聚类和节点分类评测实验,实验结果显示,NESSC方法明显优于无监督网络嵌入方法DeepWalk和GEMSEC,可以通过加入节点的标签信息来提高网络嵌入的效果。因此,通过网络节点的嵌入,可以高效地提取网络的有用信息,对于相关网络嵌入研究具有一定的参考价值。(本文来源于《河北工业科技》期刊2019年04期）
曹文艳,王然风,樊民强,付翔,王宇龙[7]（2019）在《基于半监督聚类的煤泥浮选泡沫图像分类方法》一文中研究指出针对选煤厂煤泥浮选过程加药量依靠人工干预存在主观性、滞后性和粗放性的问题,提出了一种基于半监督聚类的煤泥浮选泡沫图像分类方法。首先,采集已知加药比例与未知加药比例下的煤泥浮选泡沫图像样本,并对泡沫图像进行预处理,提取泡沫的气泡个数、气泡面积、气泡周长等形态特征;然后,对已知加药比例下泡沫图像形态特征样本进行标志,对未知加药比例下泡沫图像形态特征样本不做标志,并将已标志泡沫图像形态特征样本与未标志泡沫图像形态特征样本进行混合;最后,利用基于高斯混合模型的半监督聚类方法对混合样本进行聚类后得到各类簇,将各类簇内已标志泡沫图像形态特征样本的信息映射到未标志泡沫图像形态特征样本。应用结果表明,该方法可为煤泥浮选生产过程加药量调整提供指导,降低了药剂消耗量,提高了选煤厂浮选自动化水平和经济效益。(本文来源于《工矿自动化》期刊2019年07期）
王楠,孙善武[8]（2019）在《基于半监督聚类分析的无人机故障识别》一文中研究指出相较于有人驾驶飞行器,无人机具有诸多优势,在军事、民用及科研等领域都有着广泛应用。但是,无人机缺少飞行员的实时决策能力,因此具有较高的事故率。故障预测是无人机健康管理技术的核心,在构建故障预警模型之前,很重要的一步是对采样数据进行模式识别,进而对建模的训练数据添加精准标签,这也是完善飞行画像的一部分。文中基于沈阳某无人机生产公司大数据平台累积的无人机飞行数据,提出利用半监督聚类技术自动识别飞行过程的正常点、故障点(若故障后发生炸机,则包括炸机点)以及炸机后的点(若故障后发生炸机),在加强对飞行数据进行管理和统计的同时,进一步提高对历史飞行数据添加精准标签的效率和准确率。在真实的飞行数据或飞行测试数据上进行实验,人工验证的结果表明故障点的识别率可达到80%以上。(本文来源于《计算机科学》期刊2019年S1期）
宋博敬[9]（2019）在《非监督聚类算法在岩石图像分析中的应用研究》一文中研究指出生活质量的提高和经:济的快速增长,人们对于天然气和石油需求也在不断增长,随着高-中渗油气藏的探明难度不断增加,致密砂岩成为主要的接替资源。鄂尔多斯盆地苏格里气田产气层主要在上古生界和山西组,两者均为致密砂岩,致密砂岩的特征与砂岩的特征有较大的不同。因此对于致密砂岩的微观特征和宏观特征进一步了解,为后续的钻井、作业和开采致密砂岩气藏提供一些理论数据,这对推动我国石油工业的发展有着重要的现实意义。本文主要工作如下:首先对致密砂岩初步研究,对于致密砂岩气藏的研究现状进行阐述;其次,描述了上古生界的地层特征、岩石成岩作用和上古生界主要的孔隙类型;然后介绍非监督聚类FCM算法和K-means算法以及FCM的改进算法。本文提出基于直方图的FCM算法可大幅度减少算法的运行时间;结合岩石图像颜色纹理特征的FCM算法,分割结果能明确区分出岩石背景和岩石孔隙。最后利用边缘分割算法、直方图阈值法和基于直方图改进的FCM算法和结合岩石图像颜色纹理特征的FCM算法对叁类岩石图像进行聚类分割。分割结果从两方面进行说明分割效果和算法运行效率。结果显示基于直方图的FCM聚类算法运行时间最短且分割结果较好,将颜色特征和纹理特征结合的FCM算法,分割结果很好,但算法用时较长,两种方法都能很好的将岩石背景与孔隙区分开来,这对岩石的岩性分析奠定了基础。(本文来源于《西安石油大学》期刊2019-06-05）
卫潇[10]（2019）在《基于无监督聚类的切伦科夫发光断层成像算法研究》一文中研究指出切伦科夫发光断层成像(Cerenkov Luminescence Tomography,CLT)技术是近年来新兴的光学分子影像技术之一。CLT技术基于切伦科夫辐射进行成像,但切伦科夫辐射并非同位素衰变的直接产物,导致其强度值很低,且在生物组织中传输过程复杂,这些因素导致重建过程较为困难,重建位置与真实目标存在偏差,因此在大范围临床应用中受到了限制。本文使用无监督聚类方法,针对CLT技术所面临的单视图重建困难,以及重建结果存在伪影与噪声这两大问题进行了一定的探讨与研究,具体工作如下:(1)针对单视图CLT重建困难,重建精度较差这一问题,提出了一种新型CLT重建框架。该框架基于模糊C均值聚类算法和迭代收缩可行域策略,以每一次的重建节点能量值作为聚类特征值,将每一次的重建结果进行聚类,保留光源信息,去除无用信息,将其作为下一次的目标可行区域。在文中设计进行了多种模拟实验与真实仿体实验,证明了该方法的可靠性、准确性和稳定性,可以有效提升单视图重建的质量。(2)针对CLT重建结果中存在伪影与噪声的问题,提出了一种基于人工神经网络的CLT处理方法。该方法应用自动编码器神经网络,结合模糊数集合概念与近四元素场概念,直接对重建结果进行处理,该方法仅需要进行一次重建计算,减少了多次重建的时间,降低了迭代的误差与干扰。相对于当前光学分子影像中广泛使用的人工阈值过滤方法,所提方法减少了人为因素对重建结果的影响。在文中设计了不同情况下的模拟实验与多种物理仿体实验,证明了该方法在不同情况下的通用性,为CLT重建提供了一种新的思路。(本文来源于《西北大学》期刊2019-06-01）
监督聚类论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
成对约束作为半监督学习的一个重要分支,它以无监督的聚类算法为基础,通过利用少量的监督信息来提高聚类的性能。提出了一种基于成对约束的半监督聚类方法,在FCM-NMF聚类算法框架下,采用非负矩阵分解提取样本的本质特征,并且加入成对约束条件指导聚类过程进行模糊聚类。构造出的新的目标函数采用梯度下降法和交替迭代公式来找局部最优解,并在UCI数据集上讨论了成对约束的数量对聚类的影响、价值系数的设置对聚类的影响,并与常见的半监督聚类性能进行了比较,证明了其正确性、有效性、稳定性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
监督聚类论文参考文献
[1].胡雅婷,李长明,柳振鑫,任虹宾,陈营华.一种鲁棒的无监督聚类图像分割算法[J].吉林大学学报(理学版).2019
[2].陶性留,俞璐,王晓莹.基于成对约束的半监督聚类方法[J].信息技术与网络安全.2019
[3].秦悦,丁世飞.半监督聚类综述[J].计算机科学.2019
[4].古斌,郭武.说话人确认中基于无监督聚类的得分规整[J].数据采集与处理.2019
[5].向思源,金应华,徐圣兵.基于功效散度和成对约束的半监督聚类算法[J].佛山科学技术学院学报(自然科学版).2019
[6].张静,李文斌,张志敏.基于半监督聚类的网络嵌入方法[J].河北工业科技.2019
[7].曹文艳,王然风,樊民强,付翔,王宇龙.基于半监督聚类的煤泥浮选泡沫图像分类方法[J].工矿自动化.2019
[8].王楠,孙善武.基于半监督聚类分析的无人机故障识别[J].计算机科学.2019
[9].宋博敬.非监督聚类算法在岩石图像分析中的应用研究[D].西安石油大学.2019
[10].卫潇.基于无监督聚类的切伦科夫发光断层成像算法研究[D].西北大学.2019