非线性聚类新方法及其在图像分析上的应用

项目名称： 非线性聚类新方法及其在图像分析上的应用

项目编号： No.61173084

项目类型： 面上项目

立项/批准年度： 2012

项目学科： 计算机科学学科

项目作者： 赖剑煌

作者单位： 中山大学

项目金额： 58万元

中文摘要： 聚类是人类社会处理数据最基本的的手段, 但是由于客观世界的丰富多彩，使得所要的数据集常常处于异常复杂的流形分布状况，而现有的多数聚类方法或者不能精确地分类这些多样性的数据，或者不能自动确定聚类的个数。本项目拟研究建立包括基于多中心点表达的AP、基于图理论的非线性AP、基于核方法的竞争学习聚类、基于K近邻图理论的竞争学习聚类、研究基于支持向量的增量聚类等若干可以自动确定聚类个数的非线性聚类的新方法，同时，研究基于这些新算法的扩展方法，包括但不限于流数据聚类方法、半监督方法和高维数据的快速聚类算法等，并研究利用获得的新结果解决场景图片的分类、人脸图像的分类、视频数据挖掘、图像分割等图像分析中若干关键的科学问题。力争在相关理论方法、核心技术等方面有所突破，总体上达到国际先进水平。该项目的研究成果将大大丰富模式识别、机器学习和数字图像处理的理论成果。

中文关键词： 非线性聚类；图像分析；近邻传播聚类；竞争学习；支持向量聚类

英文摘要：

英文关键词： Nonlinear Clustering Methods；Image Analysis；Affinity Propagation Clustering；Competitive Learning；Support Vector Clustering