作者：李长磊; 吕学强; 张凯; 董志安fcm聚类算法同类异类样本图像标注聚类中心距离测度
摘要：本文主要利用图像底层特征以及图像标签的语义信息对图像进行自动标注，在此基础上提出了改进模糊C均值（FCM）聚类的标注方法．首先结合图像特征以及同类、异类样本间的关系信息，融合聚类中心之间的距离，改善了算法中距离测度较为单一的问题．在目标函数中将传统的距离测度改为同类样本距离与异类样本距离之差，体现了同类样本的密度和异类样本的稀疏程度，提高了标注准确率．然后使用改进后的算法对每类图像进行聚类，计算待标注图像到各个聚类中心的平均距离来判断其类别．之后计算图像到各个子类的聚类中心的距离，并统计所属类内的标注词即为图像的标注词．利用CoredK和iaprtcl2来验证算法的可行性，通过实验对比不同测度以及分析不同标注模型的结果，表明该方法有效的提高了标注准确率．
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
