10.16208/j.issn1000-7024.2015.12.039
模糊局部均值聚类分割法改进及其应用
为改善传统模糊 C-均值聚类算法的抗噪性能,Krinidis 和公茂果等提出像素局部邻域信息模糊 C-均值聚类算法系列,但其存在聚类中心表达式与聚类目标函数不一致的问题。利用拉格朗日乘子将模糊局部信息聚类目标函数和隶属度约束条件相结合,构造无约束优化函数,利用函数极值存在的必要条件推导该聚类新的隶属度和聚类中心迭代表达式,设计一种核空间模糊局部信息 C-均值聚类分割算法。人工合成图像和实际遥感图像分割测试结果表明,该算法明显优于现有模糊局部信息 C-均值聚类分割法,针对复杂遥感图像能获得更好的分割效果。
聚类分析、图像分割、模糊 C-均值聚类、模糊局部 C-均值聚类、分割结果
TP391(计算技术、计算机技术)
国家自然科学基金重点项目61136002;陕西省自然科学基金项目2014JM8331、2014JQ5138
2016-01-19(万方平台首次上网日期,不代表论文的发表时间)
共6页
3365-3369,3407