首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 968 毫秒

1.  基于改进树种算法的模糊聚类图像分割  
   肖石林  宣士斌  温金玉《广西民族大学学报》,2019年第1期
   元启发式人工智能优化算法应用于模糊聚类图像分割一直是研究热点.树种算法(TSA)是一种比较有效的智能优化算法,但标准TSA中的固定判断参数ST影响算法的收敛速度.为此,提出了随迭代次数逐渐增大的变量,并且将步长因子构造相应的非线性递减函数,使得迭代初期侧重于树种的全局搜索而后期侧重于局部搜索,提高TSA算法收敛的精度和速度.将改进TSA算法用于模糊C均值聚类算法(FCM)聚类中心生成的过程得到基于改进树种算法的模糊聚类(ITSA_FCM),这一举措能有效地避免FCM陷入局部最优.改进的算法具备优异的聚类效果和较快的运行速度.    

2.  一种改进的模糊C-均值(FCM)聚类算法  被引次数:10
   安良  胡勇  胡良梅  孟玲玲《合肥工业大学学报(自然科学版)》,2003年第26卷第3期
   模糊C-均值(FCM)聚类算法受初始化影响较大,在迭代时容易陷入局部极小,鉴于遗传算法(GA)的并行全局搜索能力,文章将遗传算法引入进来对FCM聚类算法加以改进,并对所提出的新算法与经典算法的迭代步数和运行时间进行比较。实验结果表明:该算法与FCM聚类算法相比收敛速度更快,迭代步数更少。    

3.  边缘信息指导下的半模糊聚类图像分割方法  被引次数:2
   张爱华  谭劲《华中科技大学学报(自然科学版)》,2005年第33卷第6期
   提出了一种利用边缘信息的半模糊均值聚类的图像分割算法,它先用边缘检测和区域生长算法对图像进行一次预分割,确定聚类的初始参数,然后在这个基础上对“边缘”部分的点采用模糊聚类、非“边缘”部分使用分明聚类,避免了模糊聚类时初始参数设定的盲目性,减少了迭代时的计算量,提高了迭代收敛速度.除灰度特征外,聚类时还利用了点到类的距离特征,较好地保持了分割图像的连续性.直接观察对比多幅图像的分割实验结果可以明显地发现,该算法较常用的Cksu方法、二维熵阈值分割方法以及FCM方法的分割结果更准确.就Lena图像而言,该算法的收敛速度也比一般的FCM快了将近一倍.    

4.  基于标记和模糊聚类的分水岭声纳图像分割  被引次数:1
   李轲  刘忠  李翀伦  张国栋《华中科技大学学报(自然科学版)》,2013年第41卷第6期
   针对传统分水岭算法在处理声纳图像时存在严重的过分割现象,提出一种结合分割前处理和后处理两类方法优点的算法.首先利用H-min变换技术提取区域极小值和新的标记,对标记后的图像进行分水岭图像分割;然后结合改进适应度函数的粒子群全局寻优算法,从初分割的小区域中搜索出较为准确的初始聚类中心,利用这个聚类中心和改进目标函数的模糊C均值聚类算法,再对分割后的小区域聚类,并控制迭代次数,以提高分割速度.实验结果表明:该方法能够有效消除过分割现象,提高声纳图像处理效果,有效分割率达89%,处理时间提高30%以上.    

5.  基于粒子群寻优机制的图像分割方法  
   邢颖  孙劲光《世界科技研究与发展》,2011年第33卷第3期
   利用粒子群优化(eso)算法全局寻优、快速收敛的特点,结合模糊C-均值(FCM)图像分割算法提出一种新算法,用PSO算法代替了FCM算法的基于梯度下降的迭代过程,使算法具有很强的全局搜索能力,很大程度上避免了FCM算法易陷入局部极小的缺陷;同时也降低了FCM算法对初始值的敏感度。实验结果表明,与FCM相比该算法聚类更准确,效率更高,具有较高的分割速度和良好的抑制噪声的能力。    

6.  一种差分进化二维熵的KFCM图像分割算法  
   马冬梅  武永娟  梁红博《西北师范大学学报(自然科学版)》,2018年第4期
   为改进传统模糊C均值(FCM)聚类算法在图像分割过程中存在线性不可分问题,使得样本与样本之间的差异小,出现处理能力弱的缺点,提出了一种将差分进化二维熵算法和核模糊C均值聚类相结合的图像分割算法,使用差分进化二维熵得到最优阈值,并用于FCM算法的初始聚类中心,解决了对初始值敏感和计算速度慢的问题,最后利用KFCM算法完成有效分割,实现了线性可分.经过实验验证,本方法运行时间短,得到了较好的分割结果.    

7.  面向FCM聚类阈值分割的聚类有效性判别函数  
   LI Xiao-hong  李晓红  田军委《安徽大学学报(自然科学版)》,2007年第31卷第5期
   为了得到FCM聚类多阈值分割中最佳聚类个数,针对Bezdek熵在数字图像数据聚类有效性判别中的不足,提出一种改进的聚类有效性判别函数.新函数通过在Bezdek划分熵中增加补偿项来突出最佳聚类时的函数值,提高有效性判别的正确性.试验结果表明,基于改进初始隶属度矩阵生成方法的FCM算法,计算迭代次数为传统FCM方法的55%,计算用时减少了约45%,而且由改进聚类有效性判别函数得到的最佳聚类数目和试验图像相符,效果明显优于Bezdek熵方法,由最佳聚类数得到的分割图像能够体现目标绝大多数信息,证明了本算法的有效性和正确性.    

8.  FCM聚类算法与改进层次聚类算法的结合  
   陈亚平  吴陈《科学技术与工程》,2009年第9卷第17期
   模糊c-均值聚类算法(fuzzy C-means 简称FCM)和层次聚类算法是两种非常重要的聚类算法.由于FCM算法对初始聚类中心敏感,并且需要人为确定聚类类别数,这样收敛结果易陷入局部最优解.通过对这两种聚类算法的分析,首先对传统的凝聚层次聚类算法提出了改进,然后用改进的凝聚层次聚类算法得到最佳聚类数和初始聚类中心,最后用FCM算法进行再次聚类,以此得到更好的聚类结果并且减少了执行时间和迭代次数.    

9.  一种快速模糊聚类分割算法  
   李爱生  黄铁侠  柳健《华中科技大学学报(自然科学版)》,1992年第4期
   本文把区域生长技术与FCM聚类方法结合起来,提出了一种快速FCM聚类分割算法.由于大大减少了参与聚类的样本数目,有效地提高了FCM聚类分割的速度.通过对遥感TM图像的分割实验,本算法比经典FCM聚类算法速度提高三倍以上.    

10.  基于混合颜色空间的FCM算法  
   梁海波  王宇华  李伟光《佛山科学技术学院学报(自然科学版)》,2010年第28卷第1期
   提出一种基于混合颜色空间的改进的FCM算法。这种算法减少了FCM的迭代次数,可以使模糊聚类的速度得到很大程度的提高,从而实现墙地砖彩色图像的快速分割。    

11.  基于模糊C均值与人工蜂群优化的灰度图像分割  
   魏光杏  周献中  卜锡滨《兰州大学学报(自然科学版)》,2019年第2期
   提出了基于模糊C均值与人工蜂群优化的灰度图像分割算法,利用模糊C均值算法中的模糊隶属函数,快速计算人工蜂群优化算法中的最优聚类中心,使得图像分割速度加快,精度更高.选取合成的、经典的以及添加噪声的医学图像,分别使用多种分割算法进行分割并比较,在收敛性、时间复杂度、鲁棒性和分割精度方面表现更好.    

12.  基于直觉模糊集的模糊C均值聚类改进算法  
   李婧  于丽英《上海大学学报(自然科学版)》,2018年第4期
   针对特征权重未知且具有直觉模糊数的特征信息的聚类分析问题,提出一种改进的基于直觉模糊集的模糊C均值聚类算法.首先,定义区域密度参数,选择高密度区域中相距最远的样本为初始聚类中心;然后,利用直觉模糊熵计算聚类样本的特征权重,对样本特征值进行加权处理.给出改进的FCM聚类算法的具体步骤,并进行了算例验证.研究结果表明,该算法不仅克服了FCM算法易陷入局部极小值的问题,同时大大减少迭代次数,加快了收敛速度,提高了聚类性能.    

13.  改进遗传算法优化模糊均值聚类中心的图像分割  
   董倩《吉林大学学报(理学版)》,2015年第53卷第4期
   针对传统模糊均值聚类算法存在的问题, 提出一种改进遗传算法优化模糊均值聚类中心的图像分割算法. 首先在标准遗传算法的交叉操作中引入方向因子, 使参与交叉的个体向最佳个体靠近, 加快算法的收敛速度, 并通过增强群体间的信息共享机制提高算法的全局搜索能力, 避免了早熟收敛, 改善了全局解的精度; 然后采用改进遗传算法选择模糊均值聚类算法的初始聚类中心, 实现图像分割; 最后采用仿真实验测试算法性能. 实验结果表明, 相对于传统模糊均值聚类算法及其他图像分割算法, 本文算法在分割正确率、 分割速度及鲁棒性上均更优.    

14.  基于半监督的模糊C-均值聚类算法  
   郭新辰  郗仙田  樊秀玲  韩啸《吉林大学学报(理学版)》,2015年第53卷第4期
   通过将半监督学习的思想引入到模糊C-均值聚类方法中, 提出一种基于半监督的模糊C-均值聚类算法, 有效解决了模糊C-均值聚类算法随机选取初始聚类中心导致聚类结果局部收敛的问题, 能客观获取最佳聚类数目和初始聚类中心. 实验结果表明, 与传统模糊C-均值聚类算法相比, 基于半监督的模糊C-均值算法在一定程度上减少了迭代次数, 降低了对初始聚类中心的依赖性.    

15.  FPCM算法在彩色图像分割中的方法研究  
   李鹏《广西民族大学学报》,2012年第18卷第4期
   在改进模糊c均值聚类(MFCM)算法基础上提出模糊可能性c均值聚类(FPCM)算法的图像分割方法,并将FPCM算法应用在彩色图像分割过程中.FPCM算法是FCM聚类算法和MFCM算法的扩羼衍生.MFCM算法是通过调整FCM算法的测量距离来减少标签像素受到其他图像像素的影响和在切分中抑制噪声效果来进行约束,从而使得成员变量没有最大约束值.FPCM算法是在MFCM算法基础上进行模糊化,加入了可能性和隶属度两个度量标准.通过彩色图像实验充分表明了FPCM算法在图像分割中的实际效果.    

16.  多分辨分析和K均值聚类改进FCM图像分割  被引次数:1
   郭海涛  赵红叶  徐雷  侯一民  焦圣喜《吉首大学学报(自然科学版)》,2015年第36卷第2期
   模糊C均值(Fuzzy C-Means,FCM)聚类广泛应用于图像分割,但FCM聚类中随机确定初始聚类中心容易导致图像的错误分割.为了避免这个缺点,提出一种用于图像分割的FCM聚类初始聚类中心的选取方法.该方法利用图像灰度-邻域均值二维直方图的峰值的个数确定图像聚类数目,然后对图像的低频子带图像利用K均值聚类得到FCM聚类初始聚类中心.实测图像的分割实验表明该方法具可行性.    

17.  基于连续特征的未知协议消息聚类算法  
   卢政宇  李光松  申莹珠  张彬《山东大学学报(理学版)》,2019年第5期
   对未知协议消息序列进行聚类处理是分析协议格式的基础。从字符串匹配的角度出发,利用协议格式字段的连续性,在传统K-均值算法基础上提出一种基于连续特征的未知协议消息聚类算法。首先基于协议格式字段连续性对待测数据集进行粗聚类,提取出K-均值算法的初始聚类中心,再使用消息距离及收敛函数改进的迭代算法对数据进行迭代处理实现消息的进一步聚类。实验表明,提出的新方法与传统K-均值算法相比,在聚类准确度上提升了17.58%,迭代次数上减少了约58.27%,与EM算法、DBSCAN算法相比在聚类准确率与时间上均有明显提升。    

18.  基于人工蜂群的模糊聚类算法  被引次数:2
   赵小强  张守明《兰州理工大学学报》,2010年第36卷第5期
   针对模糊C-均值(FCM)聚类算法存在容易陷入局部极小值、对初始值和噪声数据敏感的缺点,提出一种基于人工蜂群(ABC)的模糊聚类算法(ABFM).该算法引入全局寻优能力强的人工蜂群算法来求得最优解作为FCM算法的初始聚类中心,然后利用FCM算法优化初始聚类中心,最后求得全局最优解,从而有效克服了FCM算法的缺点.实验结果表明,新算法与FCM聚类算法相比,提高了算法的寻优能力,并且迭代次数更少,收敛速度更快,聚类效果更好.    

19.  改进的基于模糊C-均值聚类的图像分割算法  
   李伟《哈尔滨商业大学学报(自然科学版)》,2013年第29卷第4期
   目前的FCM类型的算法聚类数目的确定需要聚类原形参数的先验知识,否则算法就会产生误导.为了提高图像分割算法的抗噪性能,用K均值聚类算法简单、快速的优点对模糊C均值聚类算法进行改进.结合图像的邻域信息,对图像的直方图作均衡化处理,改善图像质量,通过自适应滤波,降低噪声对分割效果的影响.先用K均值聚类算法对图像进行分割,快速的获得较为准确的聚类中心和初次分割图像,避免了FCM算法中初始聚类中心选择不当造成的死点问题.用邻域灰度均值信息代替传统模糊C均值聚类算法中的灰度信息,对K均值聚类得到的图像作二次分割.该方法能更好的抑制噪声的干扰,提高了聚类算法的分割精确度.    

20.  基于改进FCM算法的SAR图像分类  被引次数:1
   王瑞花  宋建社《西北大学学报(自然科学版)》,2008年第38卷第4期
   目的改进模糊C-均值FCM算法,并对SAR图像进行粗、细分类。方法对FCM算法从初始聚类中心、隶属度约束条件两个方面进行改进,并提出对SAR图像的粗、细分类。首先利用改进的FCM算法对图像进行聚类,然后在隶属度矩阵中设定阈值,对小于阈值的像素块进行进一步细分类。结果得到并验证了改进的FCM算法,该算法对图像进行分类的分类精度比传统的FCM算法要高。结论本算法既可以保持较高的精确度,又可保证较快的计算速度。    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号