模糊c-均值聚类算法中加权指数m的研究

 加权指数m是模糊c-均值(FCM)聚类算法中的一个重要参数.本文从FCM算法出发研究了m对聚类分析的影响,m的最佳选取方法及其在聚类有效性中的应用三个问题.实验结果表明:m不合适的取值将严重影响算法的性能;在实际应用中m的最佳取值范围为 ,这与Pal的实验结论相一致;另外基于最优加权指数m^*的类别数确定方法是相当有效和灵敏的.  

基于特征加权的模糊聚类新算法

 在聚类分析中,针对不同类型的数据,人们设计了模糊k-均值、k-mode以及k-原型算法以分别适合于数值型、类属型和混合型数据.但无论上述哪种方法都假定待分析样本的各维特征对分类的贡献相同.为了考虑样本矢量中各维特征对模式分类的不同影响,本文提出一种基于特征加权的模糊聚类新算法,通过ReliefF算法对特征进行加权选择,不仅能够将模糊k-均值、k-mode以及k-原型算法合而为一,同时使样本的分类效果更好,而且还可以分析各维特征对分类的贡献程度.对各种实际数据集的测试实验结果均显示出新算法的优良性能.  

基于加权模糊c均值聚类与统计检验指导的 多阈值图像自动分割算法

 图像分割是计算机视觉中一个重要的研究课题.本文提出一种基于直方图的多阈值灰度图像自动分割方法,该方法利用加权模糊c-均值聚类算法快速实现分割过程,同时通过单峰统计检验指导来自动确定多阈值的合适数目.实验结果表明了该方法的有效性.  

基于克隆算法的网络结构聚类新算法

 基于目标函数的聚类算法是目前应用最为广泛的聚类分析方法之一.然而这类算法都需要类别数和聚类原型的先验知识,且只能分析具有相同原型的数值型数据.此外这类算法还存在对初始化敏感,易陷入局部极值点等弱点.为此,本文提出一种基于克隆算法的网络结构聚类新算法以实现聚类分析的自动化.由于新算法将克隆选择与禁忌克隆相结合,使网络既具有免疫的特异性又具有免疫的耐受性,通过分析网络神经元的最小生成树,能够快速准确地获得类别数以及相关的分类信息.对各种类型的数据集的测试结果均表明,本文提出的新算法对于处理具有混和特征的数据集聚类分析问题是相当便捷有效的.  

一种基于数学形态学的红外弱小目标检测方法

提出了一种红外图像序列中运动弱小目标检测的新方法。该方法在时间剖面上采用数学形态学滤波和中值滤波来抑制杂波背景干扰，并对去除背景后的图像进行分割，然后利用序列图像中目标运动的连续性和轨迹的一致性来检测出真正的目标。利用实测数据进行了仿真，实验结果表明了该方法的有效性。  

基于统计检验指导的聚类分析方法

本文提出一种基于统计检验指导的聚类分析方法，该方法同时处理聚类趋，聚类分析和聚类有效性三个数据分析中的关键问题。为模式无监督分类的合理性和有效性提供了分析工具。在大样本情况下更能体现该方法的优越性。实验结果证明了它的有效性。  

基于Curvelet变换的红外图像背景杂波抑制算法

为提高复杂背景下的红外弱小目标的检测性能，引入图像的Curvelet变换。在Curvelet域经阈值化处理抑制背景杂波中的低频分量，然后在空域中通过块对比的操作进一步抑制杂波的边缘分量，最终实现背景杂波的抑制和弱小目标的增强。利用几组实测数据的测试实验结果表明了所提出的算法的有效性。  

基于高阶累积量的目标机动检测新方法

 机动检测是多模型目标跟踪中的一个关键问题.在卡尔曼滤波中,当目标机动被噪声淹没时,传统的机动检测算法将失效,多分辨方法虽然能够有效地抑制噪声,可靠检测机动,但由于计算复杂导致严重的检测延迟,从而限制了它的应用.本文提出一种基于三阶累积量的机动检测新算法,它有效地克服了上述二者的缺陷.由于高阶累积量能够抑制高斯噪声,因此在三阶累积量域易于检测机动.同时通过采用逐点更新法,可实时进行机动检测.仿真结果表明,该算法优于传统算法和多分辨方法,特别是在低信噪比的情况下.  

一种多类原型模糊聚类的初始化方法

模糊聚类是非监督模式分类的一个重要分支，在模式识别和图像处理中已经得到了广泛的应用，但现有模糊聚类算法大都需要聚类数的先验知识，而且对初始化极为敏感，从而限制了它们的实际应用。此外对于多类原型样本集的聚类分析，还需要事先已知原型的类型及相应数目。为了克服这些限制，本文提出一种聚类原型先验知识的获取方法，并用来初始化多类原型模糊聚类，取得了效好的效果。  

一种基于相对模糊连通度的交互式序列图像快速分割算法

在基于相对模糊连通度的交互式图像分割方法的基础上提出了一种序列图像分割的快速算法。对于单幅图像,新算法在保持分割精度的同时,运行速度提高了3倍。作为该算法的扩展,一方面将原算法中单目标分割推广到多目标分割,另一方面将单帧图像的分割推广到序列图像的分割,实现了复杂背景下多目标的图像分割和图像序列的批处理分割。并进行了分割结果的后处理,提取出目标的单像素宽度的光滑边缘。用人造图像和实际的医学图像和图像序列所做的测试实验取得了令人满意的分割结果。