基于特征选取的局部模糊聚类算法研究

摘要：

为了增强模糊局部信息C均值聚类算法的鲁棒性和分割性能,提出一种基于特征选取的模糊局部信息C均值聚类算法.在现有的模糊局部信息C均值聚类算法基础上,对其目标函数的局部邻域约束项添加邻域隶属度约束,并将特征选取的思想引入该目标函数,并利用KL散度作为正则项因子,获得一种新的鲁棒模糊聚类算法.对算法迭代所获得的像素隶属度进行局部中值滤波,再采用最大隶属度准则实现像素归类得到最终分割结果.实验结果表明,文中算法相比现有的FLICM算法具有更好的分割性能和抗噪鲁棒性.

关键词：模糊C—均值聚类、高斯混合模型、特征选取、局部模糊C均值算法、KL散度

所属期刊栏目：36

分类号：TP391.41(计算技术、计算机技术)

在线出版日期：2021-07-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：35-42