基于核函数距离测度的加权模糊C均值聚类与Markov空域约束的快速鲁棒图像分割

由于模糊C均值聚类算法（FCM）存在两大缺陷：（1）对于非球形的数据聚类形式鲁棒性不够；（2）只考虑图像中的数值特征信息，而忽略了像素间的空间约束关系，因此FCM算法在对含有噪声的图像进行分割时缺乏足够的鲁棒性。针对以上问题，本文提出了一种结合Markov空域约束与基于核函数距离测度的加权模糊c均值聚类的快速鲁棒图像分割方法。为克服缺点（1），我们使用基于核函数的距离测度取代FCM中的欧氏距离，并使用加权模糊聚类的方式保证了计算的简洁性。与此同时，我们用Markov随机场描述图像的空域约束信息，并且通过数据融合的方法将模糊分割结果与空域约束信息结合在一起，从而得到既包含像素数值特征又包括空域约束信息的图像分割场。这样既克服了传统模糊C均值聚类算法的缺点，又最大限度地保证了分割算法计算的简单有效性。     

基于改进模糊核聚类的红外图像分割

针对传统模糊核聚类在红外图像分割方面存在的问题,提出了一种改进的模糊核聚类红外图像分割算法.在模糊核聚类的基础上引入了红外图像像素点的空间约束关系和邻域隶属度相关性,并定义了隶属度约束强度指数修正隶属度函数,可有效抑制红外图像分割结果中的噪声和野值.实验结果表明,与传统的分割结果相比,这种考虑邻域隶属度相关性的空间约束模糊核聚类算法可有效地对红外图像进行分割,准确完整地分割出了目标,达到了令人满意的结果.     

利用空间信息的核模糊C均值聚类算法

模糊聚类,特别是模糊C均值聚类算法(FCM)广泛地运用到图像的分割中。但是传统的算法未对数据对特征进行优化,亦未考虑图像的空间信息,对噪声图像分割不理想。在FCM目标函数中引入核函数,用内核引导距离代替传统的欧式距离,同时考虑到邻近象素的影响,增加了空间约束项,提出了利用空间信息的核FCM算法。通过对模拟图和仿真脑部MR图像的分割实验证明,该算法可以有效的分割含有噪声图像。     

FCM与马氏空间约束条件下的快速图像分割技术研究*

提出了一种FCM与马氏空间约束的快速图像分割技术.在FCM图像分割算法的基础上,引入了Markov 随机场用以描述图像分割中的空间约束信息,并通过多级级联的方式获得最后的图像分割结果.这样既克服了传统模糊C均值聚类算法只考虑图像中的数值特征信息,忽略像素间的空间约束关系的缺点,又最大限度地保证了分割算法计算的简单有效性.实验证明,与其他模糊C均值聚类算法相比,本文方法有更好的可靠性与有效性.     

基于模糊C均值与Markov随机场的图像分割

针对传统模糊C-均值(FCM)图像分割算法没有考虑图像空间连续性的缺点，提出一种改进的空间约束FCM分割算法。该算法引入了Markov随机场理论中类别标记的伪似然度近似策略，将像素特征域相似性同空间域相邻性有机地结合起来，给出了新的像素样本聚类目标函数。实验证明，该算法能大大提高分割性能并改善分割的视觉效果。     

烟花算法优化的软子空间MR图像聚类算法

现有的软子空间聚类算法在分割MR图像时易受随机噪声的影响,而且算法因依赖于初始聚类中心的选择而容易陷入局部最优,导致分割效果不理想.针对这一问题,提出一种基于烟花算法的软子空间MR图像聚类算法.算法首先设计一个结合界约束与噪声聚类的目标函数,弥补现有算法对噪声数据敏感的缺陷,并提出一种隶属度计算方法,快速、准确地寻找簇类所在子空间;然后,在聚类过程中引入自适应烟花算法,有效地平衡局部与全局搜索,弥补现有算法容易陷入局部最优的不足.EWKM,FWKM,FSC,LAC算法在UCI数据集、人工合成图像、Berkeley图像数据集以及临床乳腺MR图像、脑部MR图像上的聚类结果表明,所提出的算法不仅在UCI数据集上能够取得较好的结果,而且对图像聚类也具有较好的抗噪性能,尤其是对MR图像的聚类具有较高的精度和鲁棒性,能够较为有效地实现MR图像的分割.     

核空间隐马尔可夫随机场图像模糊聚类

针对模糊C均值算法未考虑图像邻域信息,导致其分割效果不好的不足,结合隐马尔可夫随机场和高斯核函数,提出核空间隐马尔可夫随机场模糊C均值聚类算法。引入隐马尔可夫随机场,在目标函数中引入像素的空间邻域信息,使得分割算法对噪声鲁棒性增强;引入核函数,将样本点非线性变换映射到高维特征空间,增强图像分割的抗干扰能力,保持图像的细节信息。对标准灰度图像添加噪声,用以验证算法的性能。视觉效果及分割图像的峰值信噪比均显示,改进算法具有更好的抗噪能力。     

马尔可夫随机场约束下的PCM图像分割算法

与模糊c均值（FCM）算法相比较,可能性C均值（PCM）聚类算法具有更好的抗干扰能力。但PCM聚类算法对初始化条件很敏感,在聚类的过程中很容易导致聚类结果一致性,并且没有考虑到像素的空间信息,用在图像分割尤其是多目标图像分割上效果极不稳定。在PCM算法的基础上,利用Markov随机场中的邻域关系属性,引入先验空间约束信息,建立包含灰度信息与空间信息的新聚类目标函数,提出马尔可夫随机场与PCM聚类算法相融合的图像分割新算法（MP．CM算法）。实验结果表明,在多目标图像分割上利用MPCM算法可以取得比PCM更好的分割效果。     

非局部降噪快速模糊C-均值聚类算法

传统的模糊C-均值聚类算法未利用图像的空间信息,在分割迭加了噪声的MR图像时分割精度较差。采用了既能有效去除噪声又能较好地保持图像边缘特征的非局部降噪方法,结合基于图像灰度直方图聚类分析的快速模糊C-均值聚类算法,得到了一种具有较高分割精度的图像快速分割算法。通过对模拟图像、仿真脑部MR图像和临床脑部MR图像的分割实验,表明提出的新算法比已有的快速模糊C-均值聚类算法有更精确的图像分割能力。     

基于证据理论的脑部图像分割算法

针对在马尔可夫随机场和模糊聚类二维直方图方法中存在的像素点分割结果不一致的现象,提出一种基于Dempster-Shafer(D-S)证据理论的图像融合分割算法。利用模拟退火算法恢复出脑部轮廓,根据该轮廓从原图中提取出脑核部分,采用马尔可夫随机场和模糊聚类二维直方图方法分别对脑核部分进行分割,通过D-S证据理论将分类不确定的争议像素划归到似真区间,并进行融合分割。实验结果表明,该算法能解决争议点的归属问题,有效滤除噪声,稳健性较好。     

论模糊概念的度量

模糊度和模糊相似度是模糊集合中模糊概念度量最常用的两种方法。根据模糊度定义,提出了几种实用方便的模糊度公式,并分析了文[3]中新模糊度公式的不正确性;同时根据模糊贴近度定义,提出了一种贴近度公式。这些新公式的引入,在模式识别等实际应用中起着重要的作用。     

模糊分类与模糊匹配相结合的模糊检索

1.问题的提出文献信息检索的过程,可以看成是一个用户“查询”和文献库之间“匹配”的过程。但是,当文献库中文献数量达到几百万甚至更多时,如果仍用用户的“查询”去逐一匹配文献库,将花费很长的时间,甚至使检索方法无法付诸实用。因此,将文献适当地分成若干子类,在子类中进行检索,能缩小检索范围,可加速匹配     

模糊面向对象数据库中的模糊对象匹配

对象匹配的目标在于区分对象,用以识别多个对象是否代表相同的现实世界实体,其在数据集成和数据清洗等方面发挥着至关重要的作用.为了满足同时处理复杂对象、复杂对象关系以及不确定数据的需求,模糊面向对象数据库的研究近年来受到了研究者的关注.本文识别出模糊面向对象数据库中模糊对象的三种情况:两个模糊对象属于同一个类;两个模糊对象分属于具有子类/超类关系的两个类;两个模糊对象分属于两个完全不同的类.针对不同的模糊对象情况,基于可能性理论和模糊数据的语义测度,给出了计算两个模糊对象等价度和必要度的方法.     

模糊调整在求解模糊规则中的应用*

提出一种求解模线性规划的非精确算法,它模拟人的调节过程,将模糊控制思想嵌入到遗传算法的变异与交叉算子中求解出一个模糊糊优解集,取代了以往利用单纯形注解模糊糊线性规划问题的一个最优解。     

利用模糊系统的自适应模糊控制器

针对非线性系统控制,设计了利用TSK(Takagi-Sugeno-Kang)模糊系统的自适应模糊控制器。所设计的自适应控制方法是参考模型自适应控制方法,而且利用Lyapunov函数保证了闭环系统的稳定性,同时推导了最优的自适应控制规律。首先,根据控制对象的输入输出数据建立TSK模糊模型,然后,由TSK模糊模型设计初期的TSK模糊控制器,并根据自适应规律随时调整模糊控制器参数。倒立摆系统的仿真实验验证了所设计的自适应模糊控制器的有效性。     

模糊控制的模糊推理分析

分析了使用RZ算子时推理合成规则(CRI)不具有还原性和不能正确进行模糊推理的原因,给出了正确应用CRI的条件;分析了全蕴涵3I算法的不足及其具有还原性的原因;对各种蕴涵算子的模糊推理进行分析比较,得到了正确的推理算法;对模糊推理在理论和实际应用中的矛盾作了具体说明.     

Fuzzy Structure of Complex Belief Systems: Fuzzy Relations and Fuzzy Belief Sets

In previous work, Nescolarde-Selva and Usó-Doménech (2014a Nescolarde-Selva, J. and J. L. Usó-Doménech. “Semiotic Vision of Ideologies.” Found Sci 19 (2014a): 263–282.[Crossref], [Web of Science ®] , [Google Scholar], b) discussed the theory that complex belief systems have a topological structure. In this article it is suggested that this structure is also fuzzy. We introduce the concepts of fuzzy sets in the context of beliefs (substantive and derived), and between derived beliefs themselves. Also introduced are the concepts of fuzzy covering and fuzzy invariance and the relationships between them.     

A New Fuzzy Connectivity Measure for Fuzzy Sets

Fuzzy set theory constitutes a powerful representation framework that can lead to more robustness in problems such as image segmentation and recognition. This robustness results to some extent from the partial recovery of the continuity that is lost during digitization. In this paper we deal with connectivity measures on fuzzy sets. We show that usual fuzzy connectivity definitions have some drawbacks, and we propose a new definition that exhibits better properties, in particular in terms of continuity. This definition leads to a nested family of hyperconnections associated with a tolerance parameter. We show that corresponding connected components can be efficiently extracted using simple operations on a max-tree representation. Then we define attribute openings based on crisp or fuzzy criteria. We illustrate a potential use of these filters in a brain segmentation and recognition process.

直觉模糊集的模糊蕴含式运算方法

与经典模糊集相比,直觉模糊集具有更强的表达能力和灵活性.针对直觉模糊集的模糊推理,将经典的模糊集的模糊蕴含式拓展到直觉模糊集中,提出基于扩展二值逻辑的直觉模糊集下各种模糊蕴含式运算方法,通过实例验证直觉模糊集模糊蕴含式运算方法的有效性和正确性.