-
题名快速模糊C均值聚类彩色图像分割方法
被引量：74
- 1
-
-
作者
林开颜
徐立鸿
吴军辉
-
机构
同济大学信息与控制系
-
出处
《中国图象图形学报（A辑）》
CSCD
北大核心
2004年第2期159-163,F001,共6页
-
文摘
模糊 C均值 (FCM)聚类用于彩色图像分割具有简单直观、易于实现的特点 ,但存在聚类性能受中心点初始化影响且计算量大等问题 ,为此 ,提出了一种快速模糊聚类方法 (FFCM)。这种方法利用分层减法聚类把图像数据分成一定数量的色彩相近的子集 ,一方面 ,子集中心用于初始化聚类中心点 ;另一方面 ,利用子集中心点和分布密度进行模糊聚类 ,由于聚类样本数量显著减少以及分层减法聚类计算量小 ,故可以大幅提高模糊 C均值算法的计算速度 ,进而可以利用聚类有效性分析指标快速确定聚类数目。实验表明 ,这种方法不需事先确定聚类数目并且在优化聚类性能不变的前提下 ,可以使模糊聚类的速度得到明显提高 。
-
关键词
模糊聚类
分层减法聚类
彩色图像分割
聚类有效性
模式识别
-
Keywords
fuzzy clustering, hierarchical subtractive clustering, color image segmentation, cluster validity
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进的模糊C-均值的分级递减聚类算法
被引量：2
- 2
-
-
作者
王连亮
陈怀新
-
机构
四川大学电子信息学院
-
出处
《系统工程与电子技术》
EI
CSCD
北大核心
2005年第7期1304-1306,F0003,共4页
-
文摘
提出了基于改进的模糊C-均值的分级递减聚类算法,利用改进的模糊C-均值聚类算法寻找类中心,再自适应确定该类中心的隶属度阈值,将聚类进行分级处理,实现未知类数数据集的聚类。实验结果表明,本算法对未知类数、具有高斯分布的数据集具有聚类效果好、收敛快的特点,且对于类数较多的数据集,本算法也是一种快速聚类算法。
-
关键词
非监督聚类
模糊C-均值
分级递减
聚类收敛
-
Keywords
unsupervised clustering
fuzzy C-means
hierarchical subtractive clustering
clustering convergence
-
分类号
TN911.7
[电子电信—通信与信息系统]
-
-
题名基于MFCM的改进聚类算法及其在交通中的应用
- 3
-
-
作者
贺国光
鲁静罡
唐福萍
陈宇红
-
机构
天津大学系统工程研究所
云南省交警总队科技处
-
出处
《长沙交通学院学报》
2007年第1期51-55,62,共6页
-
基金
国家自然科学基金资助项目(50478088)
云南省省院省校科技合作计划项目资助(2004YX22)
-
文摘
在交通流状态模糊化的过程中,对已有的交通模糊控制研究引入了太多的主观因素.为了解决这个问题,提出了一种基于MFCM算法的分级递减聚类算法,利用MFCM算法寻找类中心,再自适应确定该类中心的隶属度阈值,将聚类进行分级处理,实现未知类别数数据集的聚类.将改进算法应用到交通流状态聚类中,可以更科学地确定交通流状态的聚类数和各类模糊隶属度函数的结构等,最后,通过算例,说明了该算法对于未知聚类数及服从高斯分布的数据集具有聚类效果好、收敛速度快的特点.
-
关键词
交通工程
交通流状态
模糊聚类
分级递减
MFCM算法
-
Keywords
traffic engineering
traffic flow states
fuzzy cluster
hierarchical subtractive clustering
MFCM algorithm
-
分类号
U491
[交通运输工程—交通运输规划与管理]
-
