结合全局搜索算法和模糊C均值聚类方法进行图像分割

【文件属性】：
文件名称：结合全局搜索算法和模糊C均值聚类方法进行图像分割
文件大小：2.46MB
文件格式：PDF
更新时间：2021-05-17 19:02:47
研究论文 鉴于传统的模糊C均值（FCM）聚类算法，很难确定聚类过程的数量。 FCM的迭代速度比许多改进方法慢。 这FCM的弱点很容易陷入局部最优，并且聚类中心的初始值很敏感。 本文提出了全局搜索算法和模糊C均值（GS-FCM）聚类的融合算法。 首先，使用全局搜索（GS）算法具有全局性，并且对于初始聚类中心和聚类编号。 传统的FCM聚类算法具有初始集群中心和集群数量。 其次，多类别标准功能是由新颖的模糊。 考虑到图像像素邻域依赖性，以及像素信息是为了增强空间分割结果的连续性。 此外，我们还采用新的距离而不是欧几里得距离公式，并且新算法的鲁棒性噪音。 仿真结果表明，新算法可以有效地避免传统FCM算法的产生。 初始聚类中心的算法。 它对局部最优解敏感且收敛。 这聚类速度快，鲁棒性强，比传统的FCM算法提高了准确性。 图片具有不同特征的划分取得了良好的效果。