(41-5) 14 * << * >> * Русский * English * Содержание * Все выпуски

Алгоритм усреднения центроидов для построения кластерного ансамбля
Татарников В.В., Пестунов И.А., Бериков В.Б.

 

Институт математики СО РАН, Новосибирск, Россия,
Институт вычислительных технологий СО РАН, Новосибирск, Россия

 PDF, 957 kB

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

Страницы: 712-718.

Аннотация:
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.

Ключевые слова:
кластерный ансамбль, K-means, центроид, анализ гиперспектральных изображений.

Цитирование:
Татарников, В.В. Алгоритм усреднения центроидов для построения кластерного ансамбля / В.В. Татарников, И.А. Пестунов, В.Б. Бериков // Компьютерная оптика. – 2017. – Т. 41, № 5. – С. 712-718. – DOI: 10.18287/2412-6179-2017-41-5-712-718.

Литература:

  1. 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.
  2. Xu, Rui. Clustering / R. Xu, D.C. Wunsch II. – Hoboken, NJ: John Wiley& Sons, Inc., 2009. – 368 p. – ISBN: 978-0-470-27680-8.
  3. Белим, С.В. Выделение контуров на изображениях с помощью алгоритма кластеризации / С.В. Белим, П.Е. Кутлунин // Компьютерная оптика. – 2015. – Т. 39, № 1. – С. 119-124. – DOI: 10.18287/0134-2452-2015-39-1-119-124.
  4. 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.
  5. 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.
  6. 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.
  7. 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.
  8. 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.
  9. 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.
  10. 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.
  11. Ghosh, J. Cluster ensembles / J.  Ghosh, A. Acharya // WIREs Data Mining Knowledge Discovery. – 2011. – Vol. 1. – P. 305-315. – DOI: 10.1002/widm.32.
  12. 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.
  13. 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.
  14. 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.
  15. Hubert, L. Comparing partitions / L. Hubert, Ph. Arabie // Journal of Classification. – 1985. – Vol. 2. – P. 193-218.
  16. 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.
  17. Meila, M. Comparing clusterings by the variation of information / M. Meila // Proceedings of 16th Conference on Learning Theory and 7th Kernel Workshop (COLT/Kernel 2003). – 2003. – P. 173-187.
  18. 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.
  19. mlbench: Machine Learning Benchmark Problems [Электронный ресурс]. – URL: https://cran.r-project.org/web/pac­kages/mlbench/index.html (дата обращения 02.03.17).
  20. Hyperspectral Remote Sensing Scenes [Электронный ресурс]. – URL: http://www.ehu.eus/ccwintco/index.php?title=Hyper­spectral_Remote_Sensing_Scenes (дата обращения 02.03.17).
  21. 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.
  22. 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.
  23. 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.
© 2009, IPSI RAS
Россия, 443001, Самара, ул. Молодогвардейская, 151; электронная почта: journal@computeroptics.ru ; тел: +7 (846) 242-41-24 (ответственный секретарь), +7 (846) 332-56-22 (технический редактор), факс: +7 (846) 332-56-20