基于Canopy聚类的噪声自适应模糊C-均值算法

• 作者: 孙慧强 陈凯 陈秀宏
• 来源期刊: 计算机应用研究
• 关键词: 聚类算法 Canopy算法 模糊C-均值算法 局部和非局部空间信息
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 图形图像技术
• 页码范围: 2200-2204,2218
• 页数: 6页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.01.0116

摘要

针对局部空间信息的模糊C-均值算法中空间影响因子容易受到噪声影响出现错误标志的问题,提出一种融合局部和非局部空间信息的模糊C-均值聚类图像分割算法(NLWFLICM).在WFLICM算法的模糊影响因子中引入非局部空间信息,根据噪声程度自适应地设置局部和非局部信息权重,并重新标记中心点的模糊影响因子.实验结果表明,NLWFLICM算法具有比WFLICM算法更强的鲁棒性和自适应性,并在一定程度上提高了WFLICM算法对含有大量噪声图像进行分割的鲁棒性,同时保留了图像的纹理.为了提高算法的聚类性能和收敛速度,结合Canopy算法能够快速对数据进行粗聚类的优点,提出基于Canopy聚类与非局部空间信息的FCM图像分割改进算法(Canopy-NLWFLICM),可以在NLWFLICM算法聚类前对聚类中心进行预处理,从而提高收敛速度和图像分割精度.

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
3	孙慧强	江南大学数字媒体学院	4	3	1.0	1.0