資源描述:
《基于核函數(shù)的模糊聚類算法研究》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、摘要圖像分割是指將圖像劃分成一系列彼此互不交疊的勻質(zhì)區(qū)域。它是圖像處理和計(jì)算機(jī)視覺的基本問題之一,是實(shí)現(xiàn)從圖像處理到圖像分析,進(jìn)而完成圖像理解的關(guān)鍵性步驟,并且已在諸如計(jì)算機(jī)視覺、模式識(shí)別和醫(yī)學(xué)圖像處理等實(shí)際中得到了廣泛的應(yīng)用。在眾多圖像分割算法中,模糊C均值聚類(FuzzyC-Means,FCM)算法的應(yīng)用十分廣泛。傳統(tǒng)的模糊C均值聚類算法是通過歐式距離來建立目標(biāo)函數(shù),在分類效果上存在一些不足。目前,許多研究者通過定義其它距離方式來建立目標(biāo)函數(shù),以改進(jìn)傳統(tǒng)的模糊聚類算法,應(yīng)用較廣的是一種采用核
2、函數(shù)的方法,通過核距離的方式來建立算法的目標(biāo)函數(shù),設(shè)計(jì)了模糊核函數(shù)聚類算法。盡管模糊核函數(shù)聚類算法提高了算法的分類能力,但是算法在處理數(shù)據(jù)樣本時(shí),聚類中心計(jì)算的準(zhǔn)確度不高。此外,算法忽略了圖像的空間連續(xù)性信息,對(duì)于圖像中的噪聲較敏感,算法的聚類效果不好,針對(duì)上述問題,本文在模糊核函數(shù)聚類算法的基礎(chǔ)上做了進(jìn)一步探討與研究,引入了噪聲類及Markov隨機(jī)場,以達(dá)到增強(qiáng)算法的分割能力,其主要研究內(nèi)容如下:1.介紹了模糊C均值聚類算法相關(guān)內(nèi)容,并闡述了算法的優(yōu)缺點(diǎn)。在此基礎(chǔ)上,介紹了與核函數(shù)相關(guān)的定義、
3、基本原理以及核函數(shù)的選擇,分析了模糊核函數(shù)聚類算法的思想,并通過仿真實(shí)驗(yàn)驗(yàn)證了該類算法對(duì)傳統(tǒng)模糊C均值聚類算法分類能力的有效提高。2.為了提高模糊核函數(shù)聚類算法的聚類能力,本文將噪聲類的概念融入到模糊核函數(shù)聚類算法中,設(shè)計(jì)了一種含噪聲類的模糊核函數(shù)聚類算法,并通過使用IRIS數(shù)據(jù)對(duì)算法進(jìn)行仿真實(shí)驗(yàn),驗(yàn)證了算法的有效性。3.為了進(jìn)一步提高算法的精度,本文設(shè)計(jì)了基于Markov隨機(jī)場和噪聲類的模糊核函數(shù)聚類算法,在算法設(shè)計(jì)過程中,結(jié)合了基于隸屬度矩陣的Markov隨機(jī)場先驗(yàn)?zāi)P?,同時(shí)融入噪聲類的概念
4、,并將算法應(yīng)用于人工合成紋理圖像以及醫(yī)學(xué)圖像中,驗(yàn)證了算法的可行性和優(yōu)越性。本文所設(shè)計(jì)的算法均在MATLAB環(huán)境中得到了實(shí)現(xiàn),在實(shí)現(xiàn)過程中將各類實(shí)驗(yàn)結(jié)果同相關(guān)算法進(jìn)行比較,驗(yàn)證了本文所設(shè)計(jì)的算法的可行性和有效性。摘要關(guān)鍵字:模糊C均值聚類,核函數(shù),噪聲類,Markov隨機(jī)場,先驗(yàn)?zāi)P廷駻BSTRACTImagesegmentationreferstodivideimagesintoaseriesofnon-overlappedhomogeneousregions.Itisthebasicprob
5、lemofimageprocessingandcomputervision,andthekeystepfromimageprocessingtoimageanalysis,andthentocompleteimageunderstanding.Imagesegmentationhasbeenwidelyappliedinareassuch嬲computervision,patternrecognitionandmedicalimageprocessing.Amongtheplentyofimag
6、esegmentationalgorithms,F(xiàn)uzzyC-Meansalgorithmiswidelyused.TheobjectivefunctionoftraditionalFuzzyC-MeansclusteringalgorithmiscreatedbyadaptingEuclideandistance,andtheclassificationresultsbyusingthealgorithmhavesomeshortcomings.Atpresent,manyresearcher
7、simprovethetraditionalfuzzyclusteringalgorithmbyusingdifferentwaytodefinethedistanceofobjectivefunction.Howerve,thewayofusingkerneldistanceofKernelFunction,whichisusedtobuildobjectivefunction,todesignKernel-basedFuzzyclusteringalgorithmiswidelyapplie
8、d.AlthoughKernel-basedFuzzyclusteringalgorithmimprovestheclassificationabilityofthealgorithm,butthealgorithmignoresthespatialcontinuityofimageinformation,andistoosensitivetothenoiseandlackofrobustness.Inaddition,theaccuracyofcalculatingtheclustercent