首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 687 毫秒

1.  基于模糊熵聚类的运动变化区域检测技术  
   金瑞民  艾斯卡尔《微计算机信息》,2007年第23卷第30期
   首先讨论了基于帧差分的视频对象分割一般理论模型。在此基础上,利用模糊熵聚类方法提出了一种视频运动变化区域自动检测的算法:通过模糊分类准则在差分图像中对运动变化区域和相对噪声区域进行划分,从而得到运动变化区域。文中仿真实验结果表明.将模糊熵算法运用到差分图像中检测运动变化区域的方法是切实可行的。    

2.  基于模糊熵的聚类有效性函数  
   范九伦  吴成茂《模式识别与人工智能》,2001年第14卷第4期
   模糊熵描述了一个模糊集的模糊性程度本文将模糊熵应用于聚类有效性的判决,指出用于聚类有效性判决的划分系数是一个基于模糊熵的判决标准.通过几个数据对不同模糊熵公式的判决功能进行了比较实验.    

3.  一种基于多重模糊聚类的红外目标分割算法  被引次数:1
   董燕飞  任琦梅  张俊峰《激光与红外》,2010年第40卷第5期
   提出了一种基于多重模糊聚类的红外目标分割算法。为了实现目标的准确分割,先将原始红外图像进行四划分得到四个子图像,在各个子图像上分别进行模糊C均值聚类,再对图像进行横纵二划分各得到两个子图像,并将四划分时得到的聚类结果约束在二划分的聚类过程中,最后将二划分得到的聚类结果约束到原始图像的聚类过程中,并在其中加入邻域空间约束。此方法可有效增强背景和目标区域像素点的各自凝聚性和抗干扰性,有效提高聚类分割结果的准确性。实验结果表明,多重模糊聚类目标分割算法能准确地实现红外图像目标区域和背景区域的分离,是一种可行的目标分割算法。    

4.  一种基于神经网络的广义熵模糊聚类算法  
   李凯  曹喆《电子学报》,2016年第8期
   以模糊聚类为基础,将广义熵引入到模糊聚类的目标函数中,提出一种基于模糊熵的模糊聚类的统一形式,即广义熵模糊聚类模型;利用增广拉格朗日求解方法,以及Hopfield神经网络和复突触神经网络解决了基于广义熵的目标函数的优化问题,提出了基于神经网络的广义熵模糊聚类算法,表明了使用神经网络求解的收敛性;同时,给出一种用于确定增广拉格朗日乘子的迭代方法。实验中选取人工生成数据集和UCI标准数据集对提出的算法进行了实验研究,并与常用的聚类算法进行了性能比较。    

5.  FCM聚类算法中模糊加权指数m的优化  被引次数:2
   石海霞  叶水生《计算机应用与软件》,2009年第26卷第5期
   研究模糊加权指数m对FCM(Fuzzy c-means)算法的聚类性能的影响,从划分熵入手提出了变权划分熵的概念,并基于模糊决策理论提出了一种最优加权指数m*的选取方法.该方法利用小的目标函数值和小的变权划分熵对应好的数据分类结果这一特性,将m的确定转化为一个带约束的非线性规划问题,从而确定最佳取值m*.实验结果表明该方法是非常有效和灵敏的.    

6.  协同极大熵聚类算法  
   江森林《计算机应用与软件》,2014年第5期
   极大熵聚类算法(MEC)是基于信息论的新型聚类算法。以不同子集之间的协同关系为出发点,与信息理论中的极大熵原理相结合,通过构造新的极大熵目标函数来改变传统聚类算法中对整个数据集直接聚类的机制。提出一种基于协同的极大熵聚类算法CMEC,它不仅具有较MEC算法更高的聚类精度和更好的泛化性等特点,较之协同模糊聚类算法还具有更好的物理意义。实验结果表明所提出的CMEC算法具有上述优点,其聚类效果比传统的聚类算法有了很大的提高。    

7.  基于信息熵的FCM聚类算法  
   邢婷  邢治国  王凤领《计算机工程与设计》,2010年第31卷第23期
   针对模糊聚类存在的数据收缩问题的不足,提出了一种改进现有模糊聚类算法的方法,并进行仿真实验研究.模糊C-均值(FCM)算法主要通过目标函数的迭代优化来实现集合划分,以信息熵作为模糊C-均值算法的约束条件,给出改进算法的推导过程,得出改进后的模糊C-均值算法的隶属度和聚类中心,实现了模糊C-均值的改进算法.实验结果可以表明,改进的模糊C-均值算法是有效的,能够表现出比模糊C-均值算法更好的性能,在实际应用中可以取得较好的聚类效果.    

8.  一种新的聚类有效性函数:模糊划分的模糊熵  
   卿铭  孙晓梅《智能系统学报》,2015年第1期
   模糊聚类分析结果是否合理的问题属于模糊聚类有效性判定课题,其核心是模糊聚类有效性函数的构造。文中基于序关系定义了模糊划分模糊熵来描述模糊划分的模糊程度。考虑到现有的一类有效的模糊聚类有效性函数就是基于数据集的模糊划分的,因此文中也用模糊划分的模糊熵作为聚类有效性函数。实验表明,模糊划分的模糊熵作为模糊聚类的有效性函数是合理的、可行的。    

9.  结合模糊聚类算法的图像分割方法  
   张勇昌《电脑开发与应用》,2011年第24卷第11期
   在介绍聚类分析原理的基础上,比较了几种聚类分割算法,得出了模糊C-均值聚类方法在图像分割中的优势。最后,基于排列组合熵和灰度特征,结合模糊C-均值聚类算法对图像纹理进行分割。实验结果表明,该方法既能快速地分割图像,又具有较好的抗噪能力,分割效果较为理想。    

10.  基于局部熵最小化的核磁共振脑图像二次分割算法  被引次数:1
   车娜  车翔玖  高占恒  王钲旋《计算机研究与发展》,2010年第47卷第7期
   医学图像分割在医学图像处理,尤其是在临床诊断的核磁共振图像分析中起着重要的作用.偏移场的存在使核磁共振脑图像中的局部统计特性发生变化,这成为自动化分割的一个主要障碍.为了克服偏移对分割造成的影响,提出了一种基于局部熵最小化的核磁共振脑图像二次分割算法.首先采取基于组织的分块算法和局部熵最小化以获得脑图像分割的聚类块,再以每个聚类块为中心进行动态搜索;利用模糊C均值算法对每个搜索窗口进行分割.将所有分割结果与原始聚类块的分割结果进行比较,对满足二次分割条件的像素进行二次分割.模拟数据和真实数据的实验结果表明,提出的二次分割方法准确、可靠.    

11.  一种基于划分的动态聚类算法  被引次数:13
   万志华  欧阳为民  张平庸《计算机工程与设计》,2005年第26卷第1期
   聚类分析是数据挖掘的一个重要研究分支,已经提出了许多聚类算法,划分方法是其中之一。划分方法的缺点是要求事先给定聚类结果数,对初始划分和输入顺序敏感等。为克服这些缺陷,以划分方法为基础,提出了一种基于划分的动态聚类算法。该算法按密度从大到小,依距离选择较为分散的初始值,同时可以过滤噪声数据,并在聚类的过程中动态地改变聚类结果数,改善了聚类质量,获得了更自然的结果。    

12.  模糊聚类算法综述  被引次数:1
   陈厦  方方  胡战利《生命科学仪器》,2013年第6期
   模糊聚类算法是近年来图像分割技术领域的研究热点之一。本文在对模糊C均值聚类算法分析的基础上,结合目前在图像分割中的应用研究,对模糊C均值聚类算法的有效性进行了比较分析。从隶属度、聚类数和其它方面,评述改进的模糊c均值聚类算法。最后讨论模糊c均值聚类算法目前存在的问题和发展方向。    

13.  一种基于相容关系的聚类算法*  
   万仁霞  王立新  刘振文  苏晓珂《计算机应用研究》,2009年第26卷第4期
   聚类分析是数据挖掘中一个重要研究内容。传统的聚类算法可划分为硬聚类和模糊聚类两大类,提出一种基于对象集上的相容关系的聚类算法,该算法通过极大相容簇来对数据对象集进行分类,使得同一对象可以属于不同的簇,而每个簇又有自己独有的成员对象,从而得到既不同于硬聚类也不同于模糊聚类的聚类效果。实验进一步表明了该算法的聚类的合理性。    

14.  初始聚类中心优化的加权最大熵核FCM算法  
   许友权  吴陈  杨习贝《计算机系统应用》,2014年第23卷第8期
   针对传统基于最大熵模糊 C 均值聚类算法(MEFCM)仅适用于球状或椭圆状聚类,为了解决数据分布混乱以及高度相关难以划分的情形,引入 Mercer 核函数,使原来没有显现的特征突现出来,从而使聚类效果更好。然而在实际问题中,大多数样本集的样本数据都存在着重要性(权重)不同的现象,主要针对样本集中各个数据的不同重要程度来设计加权方法,同时为了克服聚类算法对初始聚类中心选取的敏感性这一弱点,提出了一个初始聚类中心优化的加权最大熵核模糊聚类算法(WKMEFCM)。通过实验验证,该算法与原MEFCM算法比较,其聚类结果更加稳定、准确,从而达到更好的聚类划分效果。    

15.  一种基于信息熵约束的快速FCM聚类水下图像分割算法  
   王士龙  徐玉如  万磊  唐旭东《计算机科学》,2010年第37卷第12期
   智能水下机器人视觉识别系统的使命是快速、准确地处理获得水下目标的相关信息并及时反馈给计算机来指导机器人进行下一步的任务。为了在保证分割质量的前提下实现快速图像分割,结合梯度算子、图像的直方图特征和采样计算,并以图像的相对信息损耗为约束,提出了一种基于熵约束的快速FCM聚类水下图像分割算法,并依据水下图像分割效果和模糊划分的有效性评价指标,详尽研究了新算法中加权指数二的取值规律性。实验结果表明,这种算法能够获得较好的分割质量和时间效率,符合机器人对实时性的需求。    

16.  基于核的模糊熵聚类算法  
   何巧玲  叶东毅《福建电脑》,2007年第8期
   Dat Tran等提出的模糊熵聚类算法FEC是模糊C均值聚类算法FCM的一种改进,FEC在FCM的基础上引入熵的概念,对隶属度值分布方面进行算法的优化,但FCM与FEC二者在非线性可分数据处理时表现并不理想。本文提出一种新的基于核的模糊熵聚类算法KFEC,结合模糊熵聚类算法和核聚类算法的优点来增强聚类效果。对比实验表明KFEC能够处理非线性可分的数据的聚类问题,在一定程度上提高了聚类的质量。    

17.  基于数据流模型的模糊聚类  
   张博  陈光  王旭《计算机工程与应用》,2010年第46卷第33期
   模糊聚类是数据挖掘中一个重要聚类算法。当前,基于数据流模型的聚类算法已有了广泛的研究,但这些算法均为硬聚类,尚未见数据流上进行模糊聚类的文献。提出一种针对数据流模型的加权模糊聚类算法,基于真实数据集合和人工数据集的实验表明该算法比传统的模糊聚类算法具有更好的聚类性能。    

18.  一种基于模糊划分的边缘检测算法  被引次数:19
   孙伟  夏良正  潘泓《中国图象图形学报》,2004年第9卷第1期
   基于信息论中最大熵原理,提出了一种新的基于模糊划分的边缘检测算法,并介绍了模糊概率和用条件概率与条件熵来定义模糊划分熵的概念以及模糊划分的原理。该算法是利用自然划分以及梯度图像模糊划分的关系,在条件概率与模糊划分熵的基础上,通过最大模糊熵原则来实现图像分割中最优阈值的自动提取,以实现图像的边缘检测。通过不同类型测试图像的边缘检测结果比较表明,该算法用于边缘检测能获得很好的效果。    

19.  熵指数约束的模糊聚类新算法  
   黄成泉  王士同  蒋亦樟《计算机研究与发展》,2014年第51卷第9期
   针对基于模糊C均值聚类(fuzzy C-means,FCM)算法框架的竞争聚集聚类(competitive agglomeration,CA)算法中模糊指数m被限定为2的问题,提出了一种更为普适的模糊聚类新算法.该算法首先在FCM算法框架的基础上引入熵指数约束条件,构造了基于熵指数约束的模糊C均值聚类(entropy index constraint FCM,EIC-FCM)算法,成功地将模糊指数m1的约束条件转换为熵指数0r1的约束条件,经分析该算法具备与经典FCM算法等效的聚类性能.其后进一步在EIC-FCM算法的框架下融入竞争学习机制得到基于熵指数约束的竞争聚集聚类(entropy index constraint CA,EICCA)算法,该算法由于使用(0,1)范围的熵指数约束而不再受到模糊指数仅为2的限制,增强了算法的适应性且更具普适性的特征.在模拟数据集以及UCI数据集上的实验结果同样表明,EICCA方法较之经典的CA算法性能更为优越,参数的选择更为灵活.    

20.  一种扩展的条件模糊C-均值聚类算法  
   曾振东《计算机工程与应用》,2012年第48卷第13期
   在综合分析标准的模糊C-均值聚类算法和条件模糊C-均值聚类算法基础上,对模糊划分空间进行修改,进一步弱化模糊划分矩阵的约束,给出一种扩展的条件模糊C-均值聚类算法。算法的划分矩阵和原型不依赖于背景约束及模糊划分矩阵的隶属度总和。实验结果表明:该算法可以得到不同的聚类原型,并具有很好的聚类效果。    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号