基于近似骨架和混合蛙跳算法的K-means方法及其在眼底病历图像中的应用

发布时间：2023-05-07 17:54

　　为提高K-means算法全局搜索能力,提升聚类效果,提出一种基于近似骨架和混合蛙跳算法的K-means方法。该方法首先利用经典的混合蛙跳算法取代K-means算法中原有迭代公式,获得更优秀的聚类结果;然后对获得的聚类结果,使用基于近似骨架和混合蛙跳算法的K-means算法不寻找聚类中心,而是直接对簇的划分进行修改。UCI数据集实验结果表明,使用改进的聚类算法获得的聚类结果,较其他算法结果更为优秀。最后将改进后的聚类算法应用到医学眼底病历图像中,可以得到较好的血管切割效果。

【文章页数】：7 页

【文章目录】：
1 K-means算法核心思想
2 改进的混合蛙跳算法
    2.1 算法概述
    2.2 算法分析
3 基于近似骨架的改进SFLA-Kmeans算法
    3.1 算法概述
    3.2 算法分析
4 眼底病历图像相关介绍
    4.1 眼底病历图像概述
    4.2 血管分割相关技术及问题
5 实验部分
    5.1 实验环境
    5.2 实验结果及分析
        5.2.1 评价指标
        5.2.2 实验结果
        5.2.3 结果分析
6 结论



本文编号：3811050