Mode seeking on graphs for geometric model fitting via preference analysis

در این مقاله، ما یک روش منطقی مبتنی بر گراف مبتنی بر گراف برای داده ها و ساختارهای چندگانه پیشنهاد می کنیم. جستجوی حالت یک روش ساده و موثر برای تجزیه و تحلیل داده ها برای خوشه بندی و فیلتر کردن است. با این حال، روش های متداول مبتنی بر روش معمول مبتنی بر حالت بسیار حساس به نسبت فرضیه های خوب / بد هستند، در حالی که بسیاری از تکنیک های نمونه گیری ممکن است بخش بزرگی از فرضیه های بد را تولید کنند. در این مقاله نشان داده شده است که روش پیشنهادی مبتنی بر گراف مبتنی بر برتری قابل توجهی برای سازگاری مدل هندسی است. ما به طور ذاتی حالت جستجوی با تجزیه و تحلیل ترجیحات را ترکیب می کنیم. این حالت را قادر می سازد که به دنبال کاهش نفوذ فرضیه های بد، از آنجایی که فرضیه های بد معمولا ارزش های باقیمانده بیشتری نسبت به مقادیر خوب دارند. علاوه بر این، روش پیشنهادی از ساختار جهانی نمودار ها با استفاده از روشهای تصادفی، برای کاهش حساسیت به داده های نامتعادل استفاده می کند. نتایج تجربی در هر دو داده های مصنوعی و تصاویر واقعی نشان می دهد که روش پیشنهادی از چندین روش متداول برای رقابت به خصوص برای داده های پیچیده بهره می برد.