Алгоритм усреднения центроидов для построения кластерного ансамбля

Алгоритм усреднения центроидов для построения кластерного ансамбля

Автор: Татарников Вадим Владимирович, Пестунов Игорь Алексеевич, Бериков Владимир Борисович

Журнал: Компьютерная оптика @computer-optics

Рубрика: Обработка изображений, распознавание образов

Статья в выпуске: 5 т.41, 2017 года.

Бесплатный доступ

В статье рассматривается коллективный подход к решению задачи кластерного анализа. Предложен алгоритм усреднения центроидов, позволяющий построить консенсусное разбиение выборки на кластеры, используя набор разбиений этой выборки любым центроидным алгоритмом. Приведены результаты применения алгоритма к модельным данным и для сегментации гиперспектральных изображений с шумовыми каналами. Рассмотрены некоторые детали реализации в многопоточном окружении, позволяющие увеличить производительность алгоритма.

Кластерный ансамбль, центроид, анализ гиперспектральных изображений

Короткий адрес: https://sciup.org/140228664

IDR: 140228664   |   DOI: 10.18287/2412-6179-2017-41-5-712-718

Список литературы Алгоритм усреднения центроидов для построения кластерного ансамбля

  • Hastie, T. The elements of statistical learning/T. Hastie, R. Tibshirani, J. Friedman. -2nd ed. -New York: Springer-Verlag, 2009. -745 p. -ISBN: 978-0-387-84857-0.
  • Xu, Rui. Clustering/R. Xu, D.C. Wunsch II. -Hoboken, NJ: John Wiley& Sons, Inc., 2009. -368 p. -ISBN: 978-0-470-27680-8.
  • Belim S, Kutlunin P. Boundary extraction in images using a clustering algorithm [In Russian]. Computer Optics 2015; 39(1): 119-124 DOI: 10.18287/0134-2452-2015-39-1-119-124
  • Jain, A.K. Data clustering: 50 years beyond K-means/A.K. Jain//Pattern Recognition Letters. -2010. -Vol. 31, Issue 8. -P. 651-666. - DOI: 10.1016/j.patrec.2009.09.011
  • Ghaemi, R. A survey: Clustering ensembles techniques/R. Ghaemi, M. Sulaiman, H. Ibrahim, N. Mustapha//Proceedings of World Academy of Science, Engineering and Technology. -2009. -Vol. 38. -P. 644-653.
  • Hore, P. A scalable framework for cluster ensembles/P. Hore, L.O. Hall, D.B. Goldgof//Pattern Recognition. -2009. -Vol. 42, Issue 5. -P. 676-688. - DOI: 10.1016/j.patcog.2008.09.027
  • Kashef, R. Cooperative clustering/R. Kashef, M.S. Kamel//Pattern Recognition. -2010. -Vol. 43, Issue 6. -P. 2315-2329. - DOI: 10.1016/j.patcog.2009.12.018
  • Jia, J. Soft spectral clustering ensemble applied to image segmentation/J. Jia, B. Liu, L. Jiao//Frontiers of Computer Science in China. -2011. -Vol. 5, Issue 1. -P. 66-78.
  • Franek, L. Ensemble clustering by means of clustering embedding in vector spaces/L. Franek, X. Jiang//Pattern Recognition. -2014. -Vol. 47, Issue 2. -P. 833-842. - DOI: 10.1016/j.patcog.2013.08.019
  • Berikov, V. Ensemble clustering based on weighted co-association matrices: Error bound and convergence properties/V. Berikov, I. Pestunov//Pattern Recognition. -2017. -Vol. 63. -P. 427-436. - DOI: 10.1016/j.patcog.2016.10.017
  • Ghosh, J. Cluster ensembles/J. Ghosh, A. Acharya//WIREs Data Mining Knowledge Discovery. -2011. -Vol. 1. -P. 305-315. - DOI: 10.1002/widm.32
  • Пестунов, И.А. Ансамблевый алгоритм кластеризации больших массивов данных/И.А. Пестунов, В.Б. Бериков, Е.А. Куликова, С.А. Рылов//Автометрия. -2011. -Т. 47, № 3. -С. 49-58.
  • Пестунов, И.А. Иерархические алгоритмы кластеризации для сегментации мультиспектральных изображений/И.А. Пестунов, С.А. Рылов, В.Б. Бериков//Автометрия. -2015. -Т. 51, № 4. -С. 12-22.
  • Пестунов, И.А. Сегментация многоспектральных изображений на основе ансамбля непараметрических алгоритмов кластеризации/И.А. Пестунов, В.Б. Бериков, Ю.Н. Синявский//Вестник Сибирского государственного аэрокосмического университета им. академика М.Ф. Решетнева. -2010. -Т. 5(31). -С. 56-64.
  • Hubert, L. Comparing partitions/L. Hubert, Ph. Arabie//Journal of Classification. -1985. -Vol. 2. -P. 193-218.
  • Strehl, A. Cluster ensembles -a knowledge reuse framework for combining multiple partitions/A. Strehl, J. Ghosh//The Journal of Machine Learning Research. -2003. -Vol. 3. -P. 583-617. - DOI: 10.1162/153244303321897735
  • Meilă, M. Comparing clusterings by the variation of information/M. Meilă//Proceedings of 16th Conference on Learning Theory and 7th Kernel Workshop (COLT/Kernel 2003). -2003. -P. 173-187.
  • Wu, J. External validation measures for k-means clustering: A data distribution perspective/J. Wu, J. Chen, H. Xiong, M. Xie//Expert Systems with Applications. -2009. -Vol. 36, Issue 3, Part 2. -P. 6050-6061. - DOI: 10.1016/j.eswa.2008.06.093
  • mlbench: Machine Learning Benchmark Problems . -URL: https://cran.r-project.org/web/packages/mlbench/index.html (дата обращения 02.03.17).
  • Hyperspectral Remote Sensing Scenes . -URL: http://www.ehu.eus/ccwintco/index.php?title=Hyperspectral_Remote_Sensing_Scenes (дата обращения 02.03.17).
  • Hossam, M.A. Accelerated hyperspectral image recursive hierarchical segmentation using GPUs, multicore CPUs, and hybrid CPU/GPU cluster/M.A. Hossam, H.M. Ebied, M.H. Abdel-Aziz, M.F. Tolba//Journal of Real-Time Image Processing. -2014. -P. 1-20. - DOI: 10.1007/s11554-014-0464-4
  • Рылов, С.А. Использование графических процессоров NVIDIA при кластеризации мультиспектральных данных сеточным алгоритмом CCA/С.А. Рылов, И.А. Пестунов//Интерэкспо ГЕО-Сибирь. -2015. -Т. 4, № 2. -С. 51-56.
  • Chang, D. Compute pairwise Euclidean distances of data points with GPUs/D. Chang, N.A. Jones, D. Li, M. Ouyang, R.K. Ragade//Proceedings of the IASTED International Symposium Computational Biology and Bioinformatics (CBB 2008). -2008. -P. 278-283.
Еще
Статья научная
SciUp 2024 © 2024 ©