混合编码方式的图像聚类算法

doi:10.11959/j.issn.1000-436x.2017022

通信学报 ›› 2017, Vol. 38 ›› Issue (2): 1-9.doi: 10.11959/j.issn.1000-436x.2017022

• 学术论文 • 下一篇

混合编码方式的图像聚类算法

赵春晖,李雪源,崔颖

哈尔滨工程大学信息与通信工程学院，黑龙江哈尔滨 150001

出版日期:2017-02-01 发布日期:2017-07-20
作者简介:赵春晖（1965-），男，黑龙江汤原人，博士，哈尔滨工程大学教授、博士生导师，主要研究方向为数字信号与图像处理、数字形态学与高光谱遥感图像处理等。|李雪源（1989-），女，辽宁盘锦人，哈尔滨工程大学博士生，主要研究方向为高光谱图像处理。|崔颖（1979-），女，黑龙江哈尔滨人，博士，哈尔滨工程大学副教授，主要研究方向为遥感图像处理、智能信号处理、无线传感器网络优化等。
基金资助:
国家自然科学基金资助项目(61405041);黑龙江省自然科学基金资助项目(ZD201216);黑龙江省博士后特别基金资助项目(LBH-TZ0420)

Image cluster algorithm of hybrid encoding method

Chun-hui ZHAO,Xue-yuan LI,Ying CUI

College of Information and Communication Engineering,Harbin Engineering University,Harbin 150001,China

Online:2017-02-01 Published:2017-07-20
Supported by:
The National Natural Science Foundation of China(61405041);The Natural Science Founda-tion of Heilongjiang Province(ZD201216);Heilongjiang Postdoctoral Special Scholars Foundation(LBH-TZ0420)

摘要/Abstract

摘要：

基于群体智能优化算法的图像聚类分析，大多数都采用单一的编码方式，使搜索空间过于局限，算法很容易陷入局部最优，为了解决这个问题，提出一种混合编码方式的图像聚类分析算法（HEICA）。该算法构建一种基于图像聚类的混合编码模型，在扩大搜索空间范围的同时，与改进的雨林算法（IRFA）和量子粒子群算法（QPSO）相结合，提高全局搜索能力。在仿真实验中，采用4组数据集对算法进行聚类有效性测试，并将其与4种常用的聚类算法进行对比，实验结果表明该算法具有较强的全局搜索能力，稳定性高、聚类效果好。

关键词: 图像聚类分析, 混合编码, 雨林算法, 量子粒子群

Abstract:

In the clustering analysis based on swarm intelligence optimization algorithm,the most of encoding method only used single form,and this method might be limit range of search space,the algorithm was easy to fall into local op-timum.In order to solve this problem,image clustering algorithm of hybrid encoding (HEICA) was proposed.Firstly,a hybrid encoding model based on image clustering was established,this method could expand the scope of the search space.Meanwhile,it was combined with two optimization algorithms which improved rain forest algorithm (IRFA) and quantum particle swarm optimization (QPSO),this method could improve the global search capability.In the simulation experiment,it was carried out to illustrate the performance of the proposed method based on four datasets.Compared with results form four measured cluster algorithm.The experimental results show that the algorithm has strong global search capability,high stability and clustering effect.

Key words: image cluster analysis, hybrid encoding, rain forest algorithm, quantum particle swarm optimization

中图分类号:

TP753

赵春晖,李雪源,崔颖. 混合编码方式的图像聚类算法[J]. 通信学报, 2017, 38(2): 1-9.

Chun-hui ZHAO,Xue-yuan LI,Ying CUI. Image cluster algorithm of hybrid encoding method[J]. Journal on Communications, 2017, 38(2): 1-9.

图/表 15

图1

图2

图3

图4

图5

图6

图7

表1

表2

表3

表4

表5

表6

表7

图8

参考文献 16

[1]	AHMED N . Recent review on image clustering[J]. IET Image Proc-essing, 2015,9(11): 1020-1032.
[2]	陈兴蜀, 吴小松, 王文贤 ,等. 基于特征关联度的K-means 初始聚类中心优化算法[J]. 四川大学学报(工程科学版), 2015,47(1): 13-19.
	CHEN X S , WU X S , WANG W X ,et al. An improved initial cluster centers selection algorithm for K-means based on features correlative degree[J]. Journal of Sichuan University (Engineering Science Edition), 2015,47(1): 13-19.
[3]	李阳阳, 石洪竺, 焦李成 ,等. 基于流形距离的量子进化聚类算法[J]. 电子学报, 2011,39(10): 2343-2347.
	LI Y Y , SHI H Z , JIAO L C ,et al. Quantum-inspired evolutionary clustering algorithm based on manifold distance[J]. Acta Electronica Sinica, 2011,39(10): 2343-2347.
[4]	AHMED N . Image clustering using exponential discriminant analysis[J]. IET Computer Vision, 2015,9(1): 1-12.
[5]	罗可, 李莲, 周博翔 . 一种蜜蜂交配优化聚类算法[J]. 电子学报, 2014,42(12): 2435-2441.
	LUO K , LI L , ZHOU B X . A honey-bee mating optimization clustering algorithm[J]. Acta Electronica Sinica, 2014,42(12): 2435-2441.
[6]	余晓东, 雷英杰, 岳韶华 ,等. 基于粒子群优化的直觉模糊核聚类算法研究[J]. 通信学报, 2015,36(5): 74-80.
	YU X D , LEI Y J , YUE S H ,et al. Research on PSO-based intuitionistic fuzzy kernel clustering algorithm[J]. Journal on Communications, 2015,36(5): 74-80.
[7]	MERWE D W , ENGELBRECHT A P . Data clustering using particle swarm optimization[C]// The 2003 Congress on Evolutionary Computation. 2003,1: 215-220.
[8]	TIWARI R , HUSAIN M , GUPTA S ,et al. Improving ant colony optimization algorithm for data clustering[C]// International Conference and Workshop on Emerging Trends in Technology, 2010: 529-534.
[9]	罗可, 李莲, 周博翔 . 基于变异精密搜索的蜂群聚类算法[J]. 控制与决策, 2014,29(5): 838-842.
	LUO K , LI L , ZHOU B X . Artificial bee colony rough clustering algorithm based on mutative precision search[J]. Control and Decision, 2014,29(5): 838-842.
[10]	ALAM S , DOBBIE G , REHMAN S U . Analysis of particle swarm optimization based hierarchical data clustering approaches[C]// Fifth International Conference on Soft Computing,Computing with Words and Perceptions in System Analysis,Decision and Control. 2015: 1-4.
[11]	王纵虎, 刘志镜, 陈东辉 . 一种改进的粒子群优化快速聚类算法[J]. 西安电子科技大学学报, 2012,39(5): 61-65.
	WANG Z H , LIU Z J , CHEN D H . Improved PSO-based fast clustering algorithm[J]. Journal of Xidian University, 2012,39(5): 61-65.
[12]	高维尚, 邵诚, 高琴 . 群体智能优化中的虚拟碰撞:雨林算法[J]. 物理学报, 2013,62(19): 28-43.
	GAO W S , SHAO C , GAO Q . Pseudo-collision in swarm optimization algorithm and solution:rain forest algorithm[J]. Acta Physica Sinica, 2013,62(19): 28-43.
[13]	SUN J , FENG B , XU W . Particle swarm optimization with particles having quantum behavior[C]// Evolutionary Computation. 2004: 1571-1580.
[14]	SUN J , XU W , YE B . Quantum-behaved particle swarm optimization clustering algorithm[C]// Advanced Data Mining and Applications. 2006: 340-347.
[15]	WANG M , FANG W , LI C . Clustering quantum-behaved particle swarm optimization algorithm for solving dynamic optimization problems[C]// Bio-Inspired Computing-Theories and Applications. 2015: 411-421.
[16]	陈伟, 傅毅, 孙俊 ,等. 一种改进二进制编码量子行为粒子群优化聚类算法[J]. 控制与决策, 2011,26(10): 1463-1468.
	CHEN W , FU Y , SUN J ,et al. Improved vinery quantum-behaved particle swarm optimization clustering algorithm[J]. Control and Decision, 2011,26(10): 1463-1468.

数据名称	样本类别
数据集1	大豆—免耕、大豆—小、大豆—干净
数据集2	牧场、灌木、干草
数据集3	玉米—免耕、玉米—小、玉米
数据集4	小麦、树林、建筑物

数据集	PSO	FPSO	QPSO	RFA	本文算法
数据集1	76.57%	75.87%	75.10%	75.77%	76.80%
数据集2	92.46%	94.63%	94.60%	94.67%	95.07%
数据集3	68.63%	69.33%	69.33%	69.43%	69.23%
数据集4	81.10%	68.20%	79.13%	79.47%	83.47%

数据集	PSO	FPSO	QPSO	RFA	本文算法
数据集1	0.006 5	0.017 8	0.015 3	0.013 0	0.009 1
数据集2	0.072 3	0.003 7	0.005 6	0.017 7	0.003 4
数据集3	0.005 2	0.004 4	0.006 8	0.030 4	0.003 2
数据集4	0.107 9	0.151 7	0.094 9	0.120 4	0.098 9

算法		类内距离		总体精度	Kappa系数	运行时间/s
算法	最小	平均	最大	总体精度	Kappa系数	运行时间/s
PSO	1.538 4	1.569 9	1.608 1	76.57%	0.648 5	8.534 4
FPSO	1.502 2	1.521 6	1.530 6	75.87%	0.638 0	8.371 4
QPSO	1.403 2	1.487 8	1.543 4	75.10%	0.626 5	8.390 3
RFA	1.380 9	1.406 3	1.482 9	75.77%	0.636 5	4.666 0
本文算法	1.570 5	1.583 2	1.600 2	76.80%	0.652 0	90.823 8

算法		类内距离		总体精度	Kappa系数	运行时间/s
算法	最小	平均	最大	总体精度	Kappa系数	运行时间/s
PSO	0.006 1	1.164 9	1.316 2	92.46%	0.886 8	7.864 8
FPSO	1.236 9	1.246 1	1.254 7	94.63%	0.919 5	8.205 0
QPSO	1.176 8	1.234 3	1.266 7	94.60%	0.919 0	8.345 0
RFA	1.170 8	1.214 9	1.237 7	94.67%	0.914 0	5.254 8
本文算法	1.261 4	1.282 8	1.307 3	95.07%	0.926 0	86.771 4

混合编码方式的图像聚类算法

Image cluster algorithm of hybrid encoding method

在线阅读

PDF下载

可视化

被引次数

摘要/Abstract

引用本文

使用本文

图/表 15

参考文献 16

相关文章 3

Metrics

推荐阅读 0

[1]	张兆娟,王万良,唐继军. 适应度二次选择的QPSO和SA协同搜索大规模离散优化算法[J]. 通信学报, 2020, 41(8): 22-31.
[2]	吴涛,陈曦,严余松. 三元相关性量子行为粒子群优化算法研究[J]. 通信学报, 2015, 36(3): 208-215.
[3]	李韧,姜永权,李小艳,张恩展. STBC与VBLAST混合编码系统中一种新的天线选择算法[J]. 通信学报, 2009, 30(1): 102-107.

算法		类内距离		总体精度	Kappa系数	运行时间/s
算法	最小	平均	最大	总体精度	Kappa系数	运行时间/s
PSO	1.304 3	1.327 6	1.355 4	68.63%	0.529 5	7.733 2
FPSO	1.290 5	1.307 9	1.318 5	69.33%	0.550 0	9.236 7
QPSO	1.202 9	1.284 3	1.332 6	69.33%	0.540 0	8.281 6
RFA	1.180 6	1.220 7	1.256 7	69.43%	0.541 5	8.347 0
本文算法	1.319 7	1.334 2	1.353 2	69.23%	0.538 5	2.577 4

算法		类内距离		总体精度	Kappa系数	运行时间/s
算法	最小	平均	最大	总体精度	Kappa系数	运行时间/s
PSO	1.192 2	1.226 6	1.249 3	81.10%	0.716 5	8.290 1
FPSO	1.173 1	1.178 5	1.185 7	68.20%	0.523 0	9.135 4
QPSO	1.139 2	1.183 3	1.217 8	79.13%	0.687 0	7.988 8
RFA	1.108 7	1.144 5	1.176 8	79.47%	0.692 0	11.060 0
本文算法	1.212 9	1.225 3	1.240 1	83.47%	0.752 0	91.747 6