经典算法学习及总结个人笔记

Retinex图像增强

• S是原图分别为R、G、B三通道；

• R代表反射光，图像本身的性质（待求解的变量）；

• L代表光照，通常使用高斯模糊后的结果；

• 可对公式取对数，将乘法变成加法，缩小动态范围，减小计算量；

DPC密度峰值聚类

• 初始化截断距离Dc；

• 计算每个数据，在截断距离内的样本点总数，作为密度P；

• 对局部密度进行排序，计算每个数据的delta；

• delta为，比当前点密度大且距离最近的点的距离；

• 以密度P为横轴，delta为纵轴绘制决策图；

• 选取P和delta相对较高的点作为聚类中心，P值低delta高的点为噪声点；

• 选择好聚类中心后，依次对每个点分配到离当前距离最近的簇中去 ；

模糊C-均值聚类算法（FCM聚类算法）

参考博客

• 模糊聚类算法 – 石显的文章 – 知乎https://zhuanlan.zhihu.com/p/276285418
• 模糊聚类分析（FCM）算法原理及实现 – 姜月娇的文章 https://zhuanlan.zhihu.com/p/467766855

目标函数：

• 代表第个样本点属于第个类中心的隶属度；

• 为隶属度因子，一般取2；

• 为第个聚类中心；

• 每个样本属于每个类中心的隶属度和为1；

• 对目标函数求偏导得到和的表达式如下：

求解过程：

• 首先，初始化隶属度矩阵U，计算得到

• 然后，通过计算得到

• 反复迭代，直到达到终止条件

• 终止条件一般计算和的变化率，小于某个指定的阈值，终止计算

2022年05月21日19:36:37