1、“物以類聚,人以群分”,聚類分析是一種常見的人類活動,其用途是十分廣泛的,如應(yīng)用在文本挖掘,圖像處理等領(lǐng)域。近鄰傳播聚類算法( Affinity Propagation clustering, AP)是Frey和Dueck在2007年發(fā)表于Science上的一種新型無監(jiān)督聚類算法,該算法無需指定聚類個數(shù),只需構(gòu)造相似度矩陣,便可通過消息傳遞機制,自動確定合適的類代表點,并將其余數(shù)據(jù)分配到與其相似度最大的代表點所屬的類別,最終使得所有數(shù)據(jù)

2、與自己的類代表點相似度之和最大。在AP算法中,初始時將相似度矩陣對角線上的偏向參數(shù)Preference設(shè)置為相同的值,表明所有數(shù)據(jù)成為類代表點的可能性相同,但是這種初始化設(shè)置方式是有缺陷的,因為當(dāng)該數(shù)據(jù)點周圍的數(shù)據(jù)個數(shù)越多時,它成為類代表點的可能性要大于那些周圍數(shù)據(jù)個數(shù)少的數(shù)據(jù)點。本文主要工作如下:
　　首先,借鑒密度聚類的思想,統(tǒng)計每個數(shù)據(jù)點在其ε鄰域內(nèi)所包含的數(shù)據(jù)個數(shù),給出了一個設(shè)置 Preference值的方法,從而提出了一

3、種改進相似度矩陣的 AP算法(Modified-Similarity based AP, MSAP)。
　　其次,將MSAP算法應(yīng)用于圖像分割中,給出了利用圖像的灰度直方圖提取原圖像中核心灰度值代替所有像素點作為聚類數(shù)據(jù)的方法,從而在保證數(shù)據(jù)質(zhì)量的同時使數(shù)據(jù)規(guī)模大大降低,在此基礎(chǔ)上,給出了MSAP算法用于圖像分割中的相似度矩陣構(gòu)造方法,同時,給出了一個新的準(zhǔn)則作為分割效果的評價標(biāo)準(zhǔn)。實驗結(jié)果表明所提算法可以有效處理圖像分割問題,比

4、 AP算法收斂更快、分割效果更好。
　　最后,將MSAP算法應(yīng)用于圖像聚類中,給出了顏色空間非均勻量化后的分塊加權(quán)的顏色直方圖特征的提取方法,在此基礎(chǔ)上,提出了一個利用MSAP算法對圖像聚類的算法,該算法首先采用MSAP算法進行初步聚類,再得到的若干優(yōu)秀代表中隨機抽取個作為 K-means的初始聚類中心,進行二次聚類,既大大降低了K-means隨機初始中心對結(jié)果的影響,又解決了聚類數(shù)目不準(zhǔn)確的問題。實驗結(jié)果表明,所提算法收斂更快,