Matlab 标准化切割：这个代码做什么？
我正在经历一些，但我不知道下面的代码是做什么的：Matlab 标准化切割：这个代码做什么？,matlab,image-processing,computer-vision,image-segmentation,Matlab,Image Processing,Computer Vision,Image Segmentation,我正在经历一些，但我不知道下面的代码是做什么的： % 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); 偏移量定义为0.5 W是一个正方形、稀疏的对称矩阵（W_ij由像素i和j之间的相似性定义）。 然后使用W来解决特征值问题d^（-1/2）（d-W）d^（-1/2）x=\
% 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);
偏移量定义为0.5
W
是一个正方形、稀疏的对称矩阵（W_ij
由像素i
和j
之间的相似性定义）。
然后使用W
来解决特征值问题d^（-1/2）（d-W）d^（-1/2）x=\lambda x
由于权重的定义方式，w_ij
都是正的，因此dr
是0的向量
补偿是为了什么？他们是如何选择的？偏移量*2的原因是什么？我觉得这是为了避免某些情况下的潜在陷阱。这些可能是什么
非常感谢您的帮助，谢谢 我相信您遇到了一段由编写的代码。
实际上，当W
为正值时，此代码无效，这是NCUT的常见情况。
然而，在一个例子中，Yu和Shi将NCUT扩展到处理消极的互动以及积极的互动。在这些情况下，dr
（r表示“排斥”）起着重要作用
说到负权重，我必须说，就我个人而言，我不同意于和施的方法。
我坚信，当存在排斥信息时，目标函数比扩展的NCuts目标要好得多。我用负权重进行的一些图像分割实验的结果表明，相关聚类目标比扩展的NCUT更好。您能发布一个指向您所参考的NCUT代码的链接吗？@Shai you go-@user2121792非常欢迎您。如果你遇到负面的亲和力，请告诉我，我对它们有一个特别的偏好：）