基于模糊积分的图像分割算法融合

提出了一种基于多分类器融合的阈值分割方法,采用模糊积分将多种阈值分割算法的结果进行融合,其区别于现有分类器融合算法之处在于,融合过程不仅取决于各个分类器(分割算法)的判决输出,而且与各个分类器的判决能力有关。各个分类器的判决能力用模糊测度表示,它可以解释为单个分类器判决对最终融合判决的重要程度。通过使用一组手工分割的测试图像进行算法评估,结果表明,所提出的融合算法性能不仅优于单个阈值分割算法,而且优于基于多数表决和算术平均的分类器融合算法。     

新的基于数据几何结构的聚类有效性函数

以Xie-Beni指标作为聚类有效性函数取得了良好的效果,但当聚类个数很大时,Xie-Beni指标将单调递减。针对此问题,分别考察改进的HubertΓ统计量和聚类分离度,导出一个新的基于数据几何结构的聚类有效性函数,使得它有惟一的最大值,函数值随聚类个数增大而递减的趋势并不影响最优聚类个数的判定。实验表明,该有效性函数能够发现最优的聚类个数,对于分类结构比较明确的数据,有良好的性能,而且对模糊因子m有良好的鲁棒性。