| 带有深度邻域信息的模糊C均值聚类算法 |
| |
| 作者姓名： | 车杭骏 陈科屹 王雅娣 刘晓阳 |
| |
| 作者单位： | 1. 西南大学电子信息工程学院;2. 西南大学重庆市非线性电路与智能信息处理重点实验室;3. 河南大学河南省大数据分析与处理重点实验室;4. 河南大学计算机与信息工程学院;5. 国防科技大学系统工程学院 |
| |
| 基金项目： | 国家自然科学基金资助项目(62003281,62103428,62106066)；;中央高校基本科研业务费专项资金资助项目(SWU020006)；;重庆市自然科学基金资助项目(cstc2021jcyj-msxmX1169)；;湖南省自然科学基金资助项目(2021JJ40702)；;河南省高等学校重点科研项目(22A520019)； |
| |
| 摘 要： | 针对聚类算法用于图像分割时造成的过度分割问题，提出一种带有深度邻域信息的模糊C均值聚类算法(FCM＿DN)．在传统的带有邻域信息的模糊C均值聚类算法基础上，引入类似高斯滤波的权重来表示像素点的位置差异，同时还引入中心点像素值与邻域点像素值之间的差异．相比于只考虑带有像素点之间位置差异的模糊C均值聚类算法，所提出的算法在聚类时可以使用更大的邻域，从而解决过度分割的问题．结果表明：在人造数据集上，本算法对于椒盐噪声和高斯噪声都有较强的鲁棒性；在现实数据上，本算法相比于11个先进算法在四个指标上有两个指标的表现都位于前三；在SED数据集的归一化互信息(NMI)结果对比中，本算法比其他算法高出1.78%～26.90%.
|
| 关 键 词： | 过度分割 模糊C均值 深度邻域信息 像素值差异 位置差异 |
|
