Clustering via geometric median shift over Riemannian manifolds
 
دانلود مقاله ISI
IranSci.IR


دانلود مقاله ISI سال 2013
چهارشنبه 15 خرداد 1392 :: نويسنده : همایون

به نام خدا

Title: Clustering via geometric median shift over Riemannian manifolds

Authors: Yang Wang, Xiaodi Huang, Lin Wu

Abstract: The mean shift algorithms have been successfully applied to many areas, such as data clustering, feature analysis, and image segmentation. However, they still have two limitations. One is that they are ineffective in clustering data with low dimensional manifolds because of the use of the Euclidean distance for calculating distances. The other is that they some- times produce poor results for data clustering and image segmentation. This is because a mean may not be a point in a data set. In order to overcome the two limitations, we pro- pose a novel approach for the median shift over Riemannian manifolds that uses the geo- metric median and geodesic distances. Unlike the mean, the geometric median of a data set is one of points in the set. Compared to the Euclidean distance, the geodesic distances can better describe data points distributed on Riemannian manifolds. Based on these two facts, we first present a novel density function that characterizes points on a manifold with the geodesic distance. The shift of the geometric median over the Riemannian manifold is derived from maximizing this density function. After this, we present an algorithm for geo- metric median shift over Riemannian manifolds, together with theoretical proofs of its cor- rectness. Extensive experiments have demonstrated that our method outperforms the state-of-the-art algorithms in data clustering, image segmentation, and noise filtering on both synthetic data sets and real image databases.   

Publish Year: 2013

Published in: Information Sciences - Science Direct

Number of Pages: 14

موضوع: منیفولد (Manifold)

مشاهده صفحه اول مقاله

دانلود مقاله

لینک مقاله در سایت ناشر

 

ایران سای – مرجع مقالات علمی فنی مهندسی

حامی دانش بومی ایرانیان



برچسب ها : دانلود مقاله ، یوزرنیم و پسورد دانشگاه های معتبر ، دانلود رایگان مقاله IEEE ، دانلود رایگان مقاله ISI ، یوزرنیم و پسورد سایتهای علمی ، دانلود رایگان مقالات آی اس آی ، دانلود رایگان مقاله ، دانلود رایگان مقاله ACM ، ISI Download ،
ارسال نظر
نام شما :
آدرس وب سایت :
پست الکترونیک :
پیام شما :
کد امنیتی :




آمار وبلاگ
  • افراد آنلاین : 1
  • بازدید امروز : 1
  • بازدید دیروز : 3
  • بازدید این هفته : 4
  • بازدید این ماه : 89
  • بازدید امسال : 8634
  • بازدید کل : 75051
  • تعداد پست ها : 127
  • تعداد نظرات : 0