基于动态粒子群优化与K均值聚类的图像分割算法

• 作者: 阮威
• 来源期刊: 信息技术
• 学科: 工学
• 关键词: 图像分割 动态粒子群优化 K-means聚类 适应度方差 聚类算法
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 研究与探讨
• 页码范围: 126-130
• 页数: 5页
• 分类号: TP311.1
• 字数: 3917字
• 语种: 中文
• DOI: 10.13274/j.cnki.hdzj.2018.10.026

摘要

为了解决K-means聚类算法图像分割质量过度依赖于初始聚类中心选取,且易于陷入局部最优解等问题,文中提出了一种基于动态粒子群优化(DPSO,dynamic particle swarm optimization)与K-means聚类的图像分割算法DPSOK(dynamic particle swarm optimization and K-means).通过动态调整惯性系数与学习因子来增强PSO算法的性能;然后计算粒子群适应度方差,找准切换至K-means算法时机;随后,将DPSO输出结果用来初始化K-means聚类中心,使其收敛至全局最优解.最后,通过最小化目标函数的多次迭代,使K-means的聚类中心不断更新,直到收敛.实验结果表明,DPSOK能有效提高K-means的全局搜索能力,在图像分割中它比K-means、PSO获得更好的分割效果.且与粒子群优化与K-means算法(PSOK,particle swarm optimization and K-means)相比,文中DPSOK算法具有更高的分割质量与效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	阮威	台州职业技术学院电信学院	13	22	2.0	4.0