本文選題：多媒體圖像數(shù)據(jù)投影　切入點：聚類融合算法　出處：《微電子學(xué)與計算機》2017年12期

【摘要】：提出基于粒子群的多媒體圖像數(shù)據(jù)投影聚類融合優(yōu)化算法,首先利用誤差反傳的梯度下降訓(xùn)練,選取出多媒體圖像數(shù)據(jù)投影的聚類成員,為后續(xù)聚類融合提供準(zhǔn)確的數(shù)據(jù)基礎(chǔ);其次計算每個多媒體圖像數(shù)據(jù)投影基聚類算法被選入優(yōu)化基聚類子集的概率;最后利用粒子群算法進行全局尋優(yōu),實現(xiàn)對多媒體圖像數(shù)據(jù)投影聚類融合算法的優(yōu)化.通過實驗驗證分析,結(jié)果表明,所提算法可以提高多媒體圖像數(shù)據(jù)投影融合質(zhì)量和聚類準(zhǔn)確率.
[Abstract]:Based on particle swarm optimization (PSO), an optimal clustering algorithm for multimedia image data projection is proposed. Firstly, clustering members of multimedia image data projection are selected by using gradient descent training of error backpropagation, which provides an accurate data basis for subsequent clustering fusion. Secondly, the probability of each multimedia image data projection clustering algorithm being selected into the optimal base clustering subset is calculated. Finally, the particle swarm optimization algorithm is used for global optimization. The experimental results show that the proposed algorithm can improve the fusion quality and clustering accuracy of multimedia image data projection.
【作者單位】： 淮陰師范學(xué)院計算機科學(xué)與技術(shù)學(xué)院;
【分類號】：TP18;TP311.13

【相似文獻】

相關(guān)碩士學(xué)位論文 前3條

1 張燦龍;不確定DM-chameleon聚類算法在滑坡危險性預(yù)測的研究及應(yīng)用[D];江西理工大學(xué);2017年

2 郭亞銳;面向大規(guī)模數(shù)據(jù)的多視角K-means聚類算法的研究[D];鄭州大學(xué);2017年

3 曹曉鋒;面向維度的高維聚類邊界檢測技術(shù)研究[D];鄭州大學(xué);2017年

，

本文編號：1665517