基于ELM的局部空间信息的模糊C均值聚类图像分割算法

• 作者: 陈凯 陈秀宏
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 聚类算法 图像分割 模糊C均值算法 极限学习机
• 年，卷（期）: 2019,（1）
• 页码范围: 100-110
• 页数: 11页
• 分类号: TP391.4
• 字数: 4896字
• 语种: 中文
• DOI: 10.16337/j.1004?9037.2019.01.011

摘要

极限学习机(Extreme learning machine,ELM)作为一种新技术具有在回归和分类中良好的泛化性能.局部空间信息的模糊C均值算法(Weighted fuzzy local information C-means,WFLICM)用邻域像素点的空间信息标记中心点的影响因子,增强了模糊C均值聚类算法的去噪声能力.基于极限学习机理论,对WFLICM进行改进优化,提出了基于ELM的局部空间信息的模糊C均值聚类图像分割算法(New kernel weighted fuzzy local information C-means based on ELM,ELM-NKWFLICM).该方法基于ELM特征映射技术,将原始数据通过ELM特征映射技术映射到高维ELM隐空间中,再用改进的新核局部空间信息的模糊C均值聚类图像分割算法(New kernel weighted fuzzy local information C-means,NKWFLICM)进行聚类.实验结果表明ELM-NKWFLICM算法具有比WFLICM算法更强的去噪声能力,且很好地保留了原图像的细节,算法在处理复杂非线性数据时更高效,同时克服了模糊聚类算法对模糊指数的敏感性问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈秀宏	江南大学数字媒体学院	90	480	12.0	17.0
2	陈凯	江南大学数字媒体学院	3	3	1.0	1.0