改进退化的半监督模糊聚类应用于MR图像分割
半监督聚类利用少量标记样本的辅助信息来引导对大量无标记数据的分割.Pedrycz提出的半监督FCM(sFCM)算法应用标记样本的类别归属信息来辅助聚类,其在标记点过于稀少时会退化为无监督FCM算法且收敛较慢,难以应用于多数实际问题.在半监督FCM的基础上提出一种改进退化的半监督FCM算法(dsFCM),通过在sFCM迭代过程中设置监督成分的比重,来加大标记样本点对聚类中心的影响力,在聚类精度、速度和鲁棒性上均比半监督FCM有所提高,解决了标记点稀疏时的退化问题,在医学图像分割上取得了良好应用.
聚类分析、半监督学习、图像分割、FCM、种子聚类
16
TP391.4(计算技术、计算机技术)
国家自然科学基金项目60672115
2011-07-18(万方平台首次上网日期,不代表论文的发表时间)
共8页
784-791