快速增量光谱聚类算法的图像分割

聚类旨在将给定的数据点集合分为多个聚类，而无需借助任何先验知识。 由于其在数据挖掘中的重要应用，已经开发了许多用于聚类的技术。 作为最流行的现代聚类算法之一，频谱聚类易于实现，可以通过标准的线性代数软件有效地解决，并且通常优于传统聚类算法（例如k-means算法）。 但是，它不能很好地扩展到通常具有数百万个项目的现代大型数据集。 为了部分地克服此缺点，在本文中，我们提出了一种基于集成的快速增量光谱聚类算法，该算法专门为图像分割任务而设计。 该算法首先将给定的大型数据集划分为几个较小的分区，然后将频谱聚类应用于每个分区，最后使用BIRCH树对其进行集成。 对图像数据进行的实验证明了我们方法的有效性。