Normalized cut：这段代码做了什么？

我会通过一些MATLAB code for Normalized Cut for image segmentation，我不能找出下面这段代码：Normalized cut：这段代码做了什么？

% degrees and regularization 
d = sum(abs(W),2); 
dr = 0.5 * (d - sum(W,2)); 
d = d + offset * 2; 
dr = dr + offset; 
W = W + spdiags(dr,0,n,n);

offset被定义为0.5。（由像素i和j之间的相似性定义）。 W然后用于解决本征值问题d^(-1/2)(D-W)d^(-1/2) x = \lambda x

的w_ij的是，因为权重定义的方式，所有阳性，所以dr是0的矢量。

什么是补偿？他们如何选择？ offset*2背后的原因是什么？我有这种感觉，这是为了避免在某些情况下的一些潜在的陷阱。这可能是什么？

任何帮助将非常感谢，谢谢！

来源

2014-11-23 user2121792

你可以发布一个链接到你参考的NCuts代码吗？ – Shai 2014-12-03 07:20:22

@Shai [here]（http://www.cis.upenn.edu/~jshi/software/）你去 - – user2121792 2014-12-04 15:33:24

我相信你遇到了一段由Prof Stella X Yu编写的代码。
事实上，当W为正时，此代码无效，这是NCut的常见情况。
然而，在一个CVPR 2001 paper余和仕扩展NCuts处理负互动以及积极的。在这些情况下，dr（r为“排斥”）起着重要作用。说到负面权重，我必须说我个人并不赞同于和施的方法。
我坚信，当存在排斥信息时，Correlation Clustering是一个比扩展的NCuts目标好得多的目标函数。我用负权重进行的一些图像分割实验的结果表明，相关聚类目标优于扩展NCut。

来源

2014-12-03 07:25:58 Shai

非常感谢你！ – user2121792 2014-12-04 15:32:15

@ user2121792非常欢迎。如果你遇到负面的亲和力 - 让我知道，我对他们有一个情有独钟:) – Shai 2014-12-04 15:38:07

Normalized cut：这段代码做了什么？

回答

相关问题