模糊聚类算法综述

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。     

一种核模糊C均值聚类算法及其应用

图像分割在许多医学成像应用中起着重要的作用。本文提出了一种新的用于图像分割的聚类算法。该算法通过利用核距离修改FCM-AWA算法中的目标函数而实现,即用核距离替代FCM-AWA中的欧氏距离,相应的得到核FCM-AWA聚类算法——KAWA-FCM聚类算法。利用该算法进行合成和真实图像分割的实验结果表明,当图像含有噪声时,与FCM-AWA算法相比,HAWA-FCM算法具有更好的性能。此外,基于该算法进行了牙菌斑量化的实验,实验结果表明,相对于利用菌斑指数的量化结果,基于KAWA-FCM的量化结果具有定量、自动和客观等特点。     

基于小波矩和模糊核聚类的示功图诊断方法研究

提出了基于小波矩特征和模糊核聚类算法的示功图故障诊断方法.通过边缘检测和形态学细化的方法完成示功图的图像分割,采用极坐标下小波不变矩算法提取示功图的形状特征,通过参数选择确定12个小波矩特征量,将特征量输入到模糊核聚类分类器中进行故障类型的分类识别,得到了良好的实验效果,验证了该算法对于示功图故障诊断的有效性.     

用模糊聚类Fuzzy C-Means算法实现图像分割

本文描述了一种有效的Fuzzy C-Means(FCM)聚类算法的数学原理及其在图像分割中的应用,该算法的主要特点是提供了一种非监督的模糊聚类方式。为了减少计算量,文章引入了塔型数据结构PDS(Pyramid Data Structure),并对FCM算法的初始模糊矩阵的选取和实验结果进行了讨论。     

基于模糊C-均值聚类算法的柴油机磨损状态评判

论述了模糊C-均值聚类算法的原理与步骤，选取光谱分析中磨损元素的含量和3个定量铁谱参数作为特征参数，将模糊C-均值聚类算法应用到柴油机磨损状态评判体系中，可以得到聚类中心和用于分类的标准向量。对聚类结果进行了验证，表明应用模糊聚类的方法评判柴油机的磨损状态是可信的和准确的。     

基于NSCT域核模糊聚类的视频水印算法

为减小水印嵌入对视频视觉效果的影响,结合人类视觉系统,提出了一种基于无下采样Contourlet变换(nonsubsampled contourlet transform,NSCT)域核模糊聚类的视频水印算法。首先利用独立分量分析提取视频同一镜头中视频序列的静态分量;然后根据人类视觉系统的掩蔽特性和图像的局部特性,对静态分量NSCT后的带通子带进行核模糊聚类分析;最后将置乱后的水印嵌入到适合嵌入水印类的子带系数中。文中给出了视频嵌入水印后的平均峰值信噪比、算法鲁棒性比较和视频被攻击后所提取的水印。实验结果证明该算法能取得极佳的视觉效果,同时还能抵抗空间域和时间域的常见攻击。     

抽样改进加权核大数据谱聚类算法

经典谱聚类算法将数据聚类转为图划分问题,在分析其Normalized Cut函数与传统加权核k-means等价基础上,设计了一种基于抽样改进加权核k-means算法的大规模数据集谱聚类算法,算法通过加权核k-means迭代优化避免Laplacian矩阵特征分解的大量资源占用,通过随机映射得到近似奇异值分解,并由近似奇异...     

基于半监督模糊核聚类的变速箱早期故障诊断

研究半监督学习的模糊核聚类方法用于变速箱早期故障诊断的方法。故障特征不明显、样本差异小是机械故障早期检测的难点,基于半监督学习的核聚类方法利用少量已知模式的样本,结合大量未知模式的样本进行半监督学习,得到较好的识别效果。进行了变速箱正常运行和齿轮轻微剥落的故障实验,比较基于半监督学习的核聚类方法与无监督学习核聚类方法。实验结果表明,基于半监督学习的核聚类方法性能更优越。     

基于改进核模糊聚类算法的软测量建模研究

针对发酵过程软测量建模采用单模型建模方法存在计算量大和精度较差的问题,提出一种基于改进核模糊聚类算法的多模型神经网络软测量建模方法.该方法首先使用主元分析方法对样本数据进行数据处理,所得主元变量作为模型的输入变量,然后使用基于粒子群优化算法的核模糊C均值聚类算法(PSKFCM)对数据集作聚类划分,最后针对每个聚类建立局部神经网络模型,多个局部神经网络模型估计结果的融合即为软测量模型的输出.将所提建模方法应用于红霉素发酵过程生物量浓度软测量建模,结果表明所建软测量模型具有较高的精度和良好的泛化能力.     

一种基于核的聚类色彩量化算法

针对K-均值聚类在色彩量化中的应用,提出了一种基于核的聚类色彩量化算法.将原空间中待聚类的样本通过非线性映射,映射到一个高维的核空间中,从而将非线性问题变为线性问题,并通过Delphi编程加以实现.实验结果证明,该算法计算简单,鲁棒性强,具有一定的实用价值.     

用于分割无损检测图像的改进的抑制式模糊C均值聚类算法

由于无损检测图像灰度分布不均衡,常用的模糊C均值聚类算法不能对图像中的目标与背景进行有效分割,故提出一种改进的抑制式模糊C均值聚类算法(IS-FCM)对无损检测图像进行分割。通过对抑制式模糊C均值聚类算法(S-FCM)的目标函数融入每一类的总隶属度以均衡化目标像素和背景像素对聚类结果的影响,在构建的新目标函数基础上推导出新的隶属度和聚类中心迭代形式,然后分析了所提算法的收敛性并给出了执行步骤,最后通过无损检测图像对所提算法进行分割实验。结果表明,IS-FCM算法不仅能够对灰度分布不均衡的无损检测图像进行有效分割,还扩展了S-FCM算法的应用范围,增强了鲁棒性和适应性。     

基于监督学习的核拉普拉斯特征映射的FCM算法

监督学习的核拉普拉斯特征映射,通过非线性核映射将样本数据投影到高维核特征空间,将流形结构和样本类别信息进行有效的结合后,提取嵌入在高维数据中的低维流形特征用于模糊C-均值聚类中,这样可以有效解决高维数据集中新样本的泛化性,并且能有效提高聚类的效果。     

基于像元相互关系的FCM聚类分割算法

针对传统模糊C均值(FCM)算法在图像分割时未考虑像元间的相互关系,且未事先给出初始聚类中心的问题,提出了一种考虑像元间相互关系的FCM聚类分割算法。该算法基于数据场原理,首先利用像元间的相互关系,通过计算各像素点的势值,形成图像数据场,然后利用图像数据场势心,确定FCM算法的初始聚类中心,最后在图像数据场的基础上,利用FCM算法实现对目标图像的聚类分割。利用人工合成图像和工件表面缺陷图像对算法的有效性进行验证,实验结果表明,该算法具有较好的分割效果,且对于条痕、脱碳、孔洞3种缺陷的不同噪声图像分割的正确率均在93%以上,同时具有较高的平均结构相似性。     

应用改进的粒子群优化模糊聚类实现点云数据的区域分割

为实现点云数据的区域划分,提出一种基于改进的粒子群优化与模糊C-均值聚类的混合算法(SPSO-FCM算法)。针对在点云聚类过程中易过早捕获局部极小值的问题,算法首先用改进的粒子群算法——社会粒子群优化算法,对种群进行初始化,通过为每一个粒子设置不同的跟随阈值,来维护种群中个体多样性,加深对种群全局搜索的程度,避免陷入局部极小值;随后,设置种群中每个粒子当前最优位置和初始种群的最优位置,更新自由粒子的位置和跟随粒子的速度和位置;最后,采用模糊C-均值聚类算法求解隶属度矩阵,确定适应值函数,更新所有粒子的最优位置,并判断粒子和种群的位置优越性,得到准确的聚类中心,实现对点云数据的区域划分。以曲面复杂度不一致的点云模型为例对算法进行验证,探讨SPSO-FCM聚类算法的可行性,并与FCM聚类算法、遗传FCM聚类算法进行比对。实验结果显示,SPSOFCM聚类算法较其它两种算法,收敛速度快,迭代次数少,聚类准确,边界区域分割清晰,特别是对型面复杂、点云数据较多的机械零部件点云数据进行分割时,能得到更好的分割结果。     

FCM聚类算法和粗糙集在医疗图像分割中的应用

本文通过结合FCM聚类算法和粗糙集，提出了一种新的图像分割方法。首先，以不同聚类数情况下FCM的分割结果为依据构建属性值表，基于属性构成的不可分辨关系将图像分成多个小区域；然后，通过值约简获得各属性权值并以此为依据，计算各区域之间的差异度，进而通过差异度定义的等价关系，实现各区域相似度评价；最后，通过相似度定义的最终等价关系实现区域合并，完成图像分割。该方法在人工生成图像和大脑CT图像及MRI图像的分割中得到验证，实验结果表明，本文方法和FCM方法相比，可以降低错分率，且对模糊边界区域的分割效果较好。     

基于模糊聚类和模糊识别的循环水泄漏检测与定位研究

提出了一种基于模糊聚类和模糊识别的循环水泄漏检测与定位方法,该方法通过气相色谱仪对循环水进行分析,运用模糊聚类方法建立循环水泄漏点标准谱图库,采用模糊识别确定待分析样本与标准谱图库中样本的关联程度,以此报告待分析样本的泄漏点位置。实例分析表明,使用该方法能够准确地对炼油厂循环水泄漏点进行检测与定位。