Normalized cut（归一化割）：图论/机器学习与计算机视觉中的一种图划分（graph partitioning）目标函数，用来把图分成两部分（或多部分）时，既考虑“切断”的边权大小，也用各部分与全图的连接强度进行归一化，从而避免把很小的一块“孤立”出来。常用于图像分割与聚类（谱聚类相关）。
/ˈnɔːrməlaɪzd kʌt/
The normalized cut method can segment an image into meaningful regions.
归一化割方法可以把一张图像分割成有意义的区域。
By minimizing the normalized cut objective, the algorithm balances separation between groups and the overall association within each group.
通过最小化归一化割目标函数，该算法在“群组之间的分离度”和“群组内部的整体关联性”之间取得平衡。
该术语由 normalized（归一化的） + cut（割/切分）构成：在图论里 cut 指把图分成两部分时被“切断”的边集合；normalized 表示对切割代价按各部分规模/连接度进行标准化。作为经典方法名，它在计算机视觉领域因 Shi 与 Malik（2000）提出的图像分割框架而广为流行。
Select Language