快速近似聚类算法及其在图像检索中的应用

作     者：顾王一 朱林 杨杰 GU Wang-yi,ZHU Lin,YANG Jie(Institute of Image Processing and Pattern Recognition;Key Laboratory of System Control and Information Processing,Ministry of Education,Shanghai Jiaotong University,Shanghai 200240,China)

作者机构：上海交通大学图像处理与模式识别研究所系统控制与信息处理教育部重点实验室上海200240 

出 版 物：《上海交通大学学报》 (Journal of Shanghai Jiaotong University)

年 卷 期：2011年第45卷第2期

页      面：149-153页

核心收录：

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：科技部政府间国际科技合作资助项目(2009DFA12870) 

主　　题：快速聚类 近似最近邻 图像检索 大规模数据 

摘      要：为了解决传统K均值算法在处理大规模数据时的局限性,在近似K均值算法(AKM)基础之上,利用对聚类中心进行分类的思想,提出了快速近似K均值算法(FAKM).该算法舍去了在AKM聚类结果中只获得少数样本的聚类中心,并充分利用类内样本密集稳定的聚类中心,使得迭代过程中待聚类样本数和类别数逐步减少,达到了提高算法速度及精简聚类结果的目的.将FAKM算法运用于实际的图像检索系统中,实验结果表明,系统在检索准确率、检索时间和聚类时间方面都得到了很好的改善.