隶属度修正FCM算法及在图像分割中的应用
发布时间：2021-11-11 00:48
模糊聚类是一种重要的无监督学习方法,在多个科学和工程领域有着广泛的应用。模糊C均值算法作为一种重要的模糊聚类算法,因其高效性和实用性成为无监督学习的研究热点之一,但该算法对隶属度设置了归一化约束,导致其对噪声和孤立点较为敏感,从而影响到算法的聚类性能。针对这一问题,本文从放松隶属度归一化约束条件的角度出发,研究了基于隶属度修正的模糊C均值聚类算法。所提算法中,首先将模糊C均值聚类算法对单个样本隶属度之和的归一化约束放松为对所有样本隶属度总和的约束,进而降低算法对噪声和孤立点的敏感度;其次,针对放松约束之后隶属度相差过大的问题,提出了新的隶属度修正方法。所提方法能够将隶属度修正到合理范围内,有效避免了某些样本隶属度过大导致其自成一类,还能避免因隶属度过小导致算法迭代终止阈值难以选取的问题,并能保证算法迭代过程中始终满足对所有样本隶属度总和的约束。仿真实验表明,与其它基于隶属度修正的聚类算法相比,所提算法在UCI数据集上取得了更为准确的聚类结果。进一步地,由于图像处理是模糊聚类算法的最重要应用之一,本文将所提算法应用于图像分割问题,来验证算法性能。首先,为了详细刻画图像,采用像素灰度值、邻...
【文章来源】：大连理工大学辽宁省 211工程院校 985工程院校 教育部直属院校
【文章页数】：58 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究背景及意义
1.2 模糊C均值聚类算法的研究现状
1.2.1 加权指数m的研究
1.2.2 对不同形式数据集的聚类研究
1.2.3 聚类算法实现途径的研究
1.2.4 针对隶属度修正的研究
1.3 模糊聚类算法在图像处理中的应用
1.4 本文的研究工作及结构
2 FCM算法及相关隶属度修正算法分析
2.1 模糊C均值聚类算法
2.2 相关隶属度修正算法分析
2.2.1 改进模糊划分的FCM算法
2.2.2 一般化的改进模糊划分的FCM聚类算法
2.2.3 改进隶属度函数的FCM聚类算法
2.2.4 其它基于隶属度修正的聚类算法
2.3 本章小结
3 放松隶属度约束条件的改进模糊C均值聚类算法
3.1 隶属度约束条件放松及修正方法
3.2 隶属度修正方法的具体实现及所提算法流程
3.3仿真实验
3.3.1 实验数据
3.3.2 数值实验结果
3.3.3 实验结果分析
3.4 本章小结
4 MC-FCM算法在图像分割中的应用
4.1 基于聚类的图像分割算法
4.2 本文算法在图像分割中的应用
4.2.1 图像特征的选取
4.2.2 聚类数目的确定
4.2.3 实验结果分析
4.3 本章小结
5 结论与展望
5.1 结论
5.2 展望
参考文献
致谢
【参考文献】：
期刊论文
[1]基于改进的Gabor滤波和区域生长的目标检测[J]. 王雨,戴曙光. 电子测量技术. 2019(04)
[2]图像分割方法综述[J]. 侯红英,高甜,李桃. 电脑知识与技术. 2019(05)
[3]基于小波变换与FCM的甲骨文字图像分割[J]. 何颖,何晓菊,张钢. 天津科技大学学报. 2018(06)
[4]基于核函数与马氏距离的FCM图像分割算法[J]. 王燕,亓祥惠,段亚西. 计算机应用研究. 2020(02)
[5]自适应特征选取的鲁棒模糊聚类分割算法[J]. 吴成茂,白鹭. 小型微型计算机系统. 2018(08)
[6]基于模糊聚类的神经网络模型研究及应用[J]. 钮永莉,陈晖,魏光杏. 韶关学院学报. 2018(06)
[7]基于样本模糊隶属度归n化约束的松弛模糊C均值聚类算法[J]. 文传军,詹永照. 科学技术与工程. 2017(36)
[8]基于自动聚类和自回归模型的时间序列预测[J]. 王威娜,王严东. 吉林化工学院学报. 2017(11)
[9]空间加权模糊C均值聚类图像分割算法[J]. 李小和,屈展,王魁生,卢胜男. 西安石油大学学报(自然科学版). 2017(05)
[10]基于核空间的加权邻域约束直觉模糊聚类算法[J]. 张洁玉,李佐勇. 电子与信息学报. 2017(09)
博士论文
[1]属性加权及不完备数据的模糊聚类方法研究[D]. 李丹.大连理工大学 2011
硕士论文
[1]基于模糊聚类的图像分割方法的研究[D]. 谢德武.电子科技大学 2017
[2]基于聚类分析的图像处理技术[D]. 王少华.江南大学 2016
[3]基于模糊C均值聚类的图像分割算法研究[D]. 郑福华.山东大学 2014
本文编号：3488275
【文章来源】：大连理工大学辽宁省 211工程院校 985工程院校 教育部直属院校
【文章页数】：58 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究背景及意义
1.2 模糊C均值聚类算法的研究现状
1.2.1 加权指数m的研究
1.2.2 对不同形式数据集的聚类研究
1.2.3 聚类算法实现途径的研究
1.2.4 针对隶属度修正的研究
1.3 模糊聚类算法在图像处理中的应用
1.4 本文的研究工作及结构
2 FCM算法及相关隶属度修正算法分析
2.1 模糊C均值聚类算法
2.2 相关隶属度修正算法分析
2.2.1 改进模糊划分的FCM算法
2.2.2 一般化的改进模糊划分的FCM聚类算法
2.2.3 改进隶属度函数的FCM聚类算法
2.2.4 其它基于隶属度修正的聚类算法
2.3 本章小结
3 放松隶属度约束条件的改进模糊C均值聚类算法
3.1 隶属度约束条件放松及修正方法
3.2 隶属度修正方法的具体实现及所提算法流程
3.3仿真实验
3.3.1 实验数据
3.3.2 数值实验结果
3.3.3 实验结果分析
3.4 本章小结
4 MC-FCM算法在图像分割中的应用
4.1 基于聚类的图像分割算法
4.2 本文算法在图像分割中的应用
4.2.1 图像特征的选取
4.2.2 聚类数目的确定
4.2.3 实验结果分析
4.3 本章小结
5 结论与展望
5.1 结论
5.2 展望
参考文献
致谢
【参考文献】：
期刊论文
[1]基于改进的Gabor滤波和区域生长的目标检测[J]. 王雨,戴曙光. 电子测量技术. 2019(04)
[2]图像分割方法综述[J]. 侯红英,高甜,李桃. 电脑知识与技术. 2019(05)
[3]基于小波变换与FCM的甲骨文字图像分割[J]. 何颖,何晓菊,张钢. 天津科技大学学报. 2018(06)
[4]基于核函数与马氏距离的FCM图像分割算法[J]. 王燕,亓祥惠,段亚西. 计算机应用研究. 2020(02)
[5]自适应特征选取的鲁棒模糊聚类分割算法[J]. 吴成茂,白鹭. 小型微型计算机系统. 2018(08)
[6]基于模糊聚类的神经网络模型研究及应用[J]. 钮永莉,陈晖,魏光杏. 韶关学院学报. 2018(06)
[7]基于样本模糊隶属度归n化约束的松弛模糊C均值聚类算法[J]. 文传军,詹永照. 科学技术与工程. 2017(36)
[8]基于自动聚类和自回归模型的时间序列预测[J]. 王威娜,王严东. 吉林化工学院学报. 2017(11)
[9]空间加权模糊C均值聚类图像分割算法[J]. 李小和,屈展,王魁生,卢胜男. 西安石油大学学报(自然科学版). 2017(05)
[10]基于核空间的加权邻域约束直觉模糊聚类算法[J]. 张洁玉,李佐勇. 电子与信息学报. 2017(09)
博士论文
[1]属性加权及不完备数据的模糊聚类方法研究[D]. 李丹.大连理工大学 2011
硕士论文
[1]基于模糊聚类的图像分割方法的研究[D]. 谢德武.电子科技大学 2017
[2]基于聚类分析的图像处理技术[D]. 王少华.江南大学 2016
[3]基于模糊C均值聚类的图像分割算法研究[D]. 郑福华.山东大学 2014
本文编号：3488275
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3488275.html
