Инд. авторы:	Пестунов И.А., Рылов С.А., Синявский Ю.Н., Бериков В.Б.
Заглавие:	Подход к построению ансамбля непараметрических алгоритмов кластеризации для сегментации спутниковых изображений
Библ. ссылка:	Пестунов И.А., Рылов С.А., Синявский Ю.Н., Бериков В.Б. Подход к построению ансамбля непараметрических алгоритмов кластеризации для сегментации спутниковых изображений // Информационные технологии и нанотехнологии (ИТНТ-2017): сборник трудов III Международной конференции и молодежной школы / Самарский национальный исследовательский университет имени академика С.П. Королева. - 2017. - Самара: Предприятие "Новая техника". - С.775-780. - ISBN: 978-5-88940-145-2.
Внешние системы:	РИНЦ: 29266860;
Реферат:	rus: Статья посвящена применению ансамблевого подхода в задачах сегментации мультиспектральных спутниковых изображений с использованием непараметрических алгоритмов кластеризации данных. Подход основан на формировании согласованной матрицы различий для нескольких вариантов разбиения данных на кластеры. Вычислительная эффективность достигается благодаря предварительной группировке данных и переходу к обработке представителей групп. Приведено два способа выбора представителей. На примере плотностного и сеточного алгоритмов показано, что формирование ансамбля позволяет повысить устойчивость и качество результатов сегментации.
Ключевые слова:	сегментация мультиспектральных изображений; непараметрические алгоритмы кластеризации; согласованная матрица различий; ансамблевый подход;
Издано:	2017
Физ. характеристика:	с.775-780
Конференция:	Название: Информационные технологии и нанотехнологии Аббревиатура: ИТНТ-2017 Город: Самара Даты проведения: 2017-04-25 - 2017-04-27
Цитирование:	1. Гонсалес, Р. Цифровая обработка изображений / Р. Гонсалес, Р. Вудс. - М: Техносфера, 2006. - С. 812. 2. Dey, V. A review on image segmentation techniques with remote sensing perspective / V. Dey, Y. Zhang, M. Zhong // ISPRS TC VII Symposium - 100 Years ISPRS. - Vienna, Austria, July 5-7 2010. - Vol. XXXVIII, Part 7A. - P. 31-42. 3. Пестунов, И.А. Алгоритмы кластеризации в задачах сегментации спутниковых изображений / И.А. Пестунов, Ю.Н. Синявский // Вестник Кемеровского государственного университета. - 2012. - № 4/2 (52). - C. 110-125. 4. Krstinic, D. Fast two-step histogram-based image segmentation / D. Krstinic, A.K. Skelin, I. Slapnicar // Image Processing, IET. - 2011. - Vol. 5, N 1. -P. 63-72. 5. Mercer, D.P. Clustering Large Datasets. [Electronic resource]. - 2003. - Access mode: http://www.stats.ox.ac.uk/~mercer/documents/Transfer.pdf (06.02.2017). 6. Jain, A.K. Data clustering: 50 years beyond K-means / A.K. Jain // Pattern recognition letters. - 2010. - Vol. 31, N 8. - P. 651-666. 7. Ghaemi, R. A survey: clustering ensembles techniques / R. Ghaemi, M. Sulaiman, H. Ibrahim, N. Mustapha // International Journal of Computer, Electrical, Automation, Control and Information Engineering - 2009. - Vol. 3, N 2. - P. 365-374. 8. Hore, P. A scalable framework for cluster ensembles / P. Hore, L.O. Hall, D.B. Goldgof // Pattern Recognition. - 2009. - Vol. 42, N 5. - P. 676-688. 9. Kashef, R. Cooperative clustering / R. Kashef, M. Kamel // Pattern Recognition. - 2010. - Vol. 43, N 6. - P. 2315-2329. 10. Jia J. Soft spectral clustering ensemble applied to image segmentation / J. Jia, B. Liu, L. Jiao // Frontiers of Computer Sciense in China. - 2011. - Vol. 5, N 1. - P. 66-78. 11. Franek, L. Ensemble clustering by means of clustering embedding in vectorspaces / L. Franek, X. Jiang // Pattern Recognition. - 2014. - Vol. 47, N 2. P. 833-842. 12. Zhang, S. Unsupervised evaluation of cluster ensemble solutions / S. Zhang, L. Yang, D. Xie // Proceedings of 7th International Conference on Advanced Computational Intelligence. - IEEE, 2015. - P. 101-106. 13. 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. 14. Filkov, V. Integrating microarray data by consensus clustering / V. Filkov, S. Skiena // International Journal on Artificial Intelligence Tools. - 2004. -Vol. 13, N 4. - P. 863-880. 15. 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. 16. Бериков, В.Б. Построение ансамбля деревьев решений в кластерном анализе / В.Б. Бериков // Вычислительные технологии. - 2010. - Т. 15, № 1. - С. 40-52. 17. 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. - № 5(31). - С. 56-64. 18. Pestunov, I.A. Ensemble of clustering algorithms for large datasets / I.A. Pestunov, E.A. Kulikova, S.A. Rylov, V.B. Berikov // Optoelectronics, Instrumentation and Data Processing. - 2011. - Vol. 47, N 3. - P. 245-252. 19. Pestunov, I.A. Hierarchical clustering algorithms for segmentation of multispectral images / I.A. Pestunov, S.A. Rylov, V.B. Berikov // Optoelectronics, Instrumentation and Data Processing. - 2015. - Vol. 51, N 4. - P. 329-338. 20. A Matlab Toolbox for Pattern Recognition [Electronic resource]. - Access mode: http://www.prtools.org (06.02.2017).