基于AHLO与K均值聚类的图像分割算法

• 作者: 王丰斌
• 来源期刊: 沈阳工业大学学报
• 学科: 工学
• 关键词: 均值 图像分割 自适应人类学习优化算法 粒子群 聚类 迭代 全局搜索 智能算法
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 信息科学与工程
• 页码范围: 427-432
• 页数: 6页
• 分类号: TP391.41
• 字数: 3568字
• 语种: 中文
• DOI: 10.7688/j.issn.1000-1646.2019.04.13

摘要

针对图像分割中K均值算法全局搜索能力差、初始聚类中心选择敏感的问题,提出了一种将自适应人类优化算法与K均值算法相结合的聚类算法.该算法利用自适应人类学习优化算法初始化聚类中心,提高K均值算法的稳健性.结果表明,该算法聚类得到的标准差相比传统K均值算法和基于粒子群K均值(PSO-Kmeans)算法分别小两个数量级和一个数量级,同时图像分割得到的PSNR值均较高,具有算法收敛速度更快,聚类质量更好,图像分割效果更好,适应性更强的优点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王丰斌	信阳农林学院信息工程学院	8	11	2.0	3.0