原文服务方: 计算机应用研究       
摘要:
利用粒子群算法全局性和鲁棒性的特点,可以解决模糊C均值算法(FCM)用于图像分割时对初始值敏舾小⑷菀紫萑刖植考≈档奈侍?但是设定粒子群算法的初始搜索范围依赖于人的经验,并且所设范围往往过大,影响算法的执行速度,为此提出用收敛速度快的K均值聚类法得到的聚类中心作为粒子群算法初始搜索范围的参考,缩小粒子群算法的搜索范围,提高算法执行速度.实验表明该算法具有较高的分割速度和良好的抑制噪声的能力.
推荐文章
基于粒子群模糊C-均值聚类的图像分割算法
图像分割
粒子群优化算法
模糊C-均值聚类算法
全局优化
基于PSO的模糊C-均值聚类算法的图像分割
粒子群优化算法
模糊C-均值聚类
图像分割
基于改进模糊C均值聚类的图像分割算法
图像分割
模糊C均值
直方图
基于均值漂移和模糊 C均值聚类的图像分割算法
图像分割
模糊C均值聚类
均值漂移
形态学
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于PSO的快速模糊C均值图像分割算法
来源期刊 计算机应用研究 学科
关键词 图像分割 模糊C均值 K均值算法 粒子群算法
年,卷(期) 2008,(10) 所属期刊栏目 图形图像技术
研究方向 页码范围 3053-3055
页数 3页 分类号 TP391.4
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2008.10.050
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李刚 信阳师范学院计算机科学系 30 108 6.0 8.0
2 李艳灵 华中科技大学控制科学与工程系 46 146 6.0 9.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (5)
共引文献  (23)
参考文献  (2)
节点文献
引证文献  (6)
同被引文献  (35)
二级引证文献  (58)
1973(1)
  • 参考文献(1)
  • 二级参考文献(0)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2009(2)
  • 引证文献(2)
  • 二级引证文献(0)
2010(2)
  • 引证文献(0)
  • 二级引证文献(2)
2011(1)
  • 引证文献(0)
  • 二级引证文献(1)
2012(2)
  • 引证文献(1)
  • 二级引证文献(1)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(6)
  • 引证文献(1)
  • 二级引证文献(5)
2015(8)
  • 引证文献(0)
  • 二级引证文献(8)
2016(9)
  • 引证文献(1)
  • 二级引证文献(8)
2017(15)
  • 引证文献(0)
  • 二级引证文献(15)
2018(11)
  • 引证文献(0)
  • 二级引证文献(11)
2019(4)
  • 引证文献(0)
  • 二级引证文献(4)
2020(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
图像分割
模糊C均值
K均值算法
粒子群算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导