一种基于DFC聚类算法的图像分割方法

图像分割是一种重要的图像技术,在理论研究和实际应用中都得到了人们的广泛重视。图像分割的方法和种类很多,有些分割运算可直接应用于任何图像,而另一些只能适用于特殊类别的图像。目前,图像分割的方法层出不穷。其中,最具代表性的图像分割算法是基于FCM聚类算法的图像分割方法。然而FCM聚类算法从理论上来说存在着聚类数目无法自动确定及运算的开销太大的缺点,因而限制了这种方法的应用。针对其不足,本文将FCM聚类算法引入到图像分割方法中。数值实验结果显示：新方法分割图像的效果是良好的。     

基于FCM聚类的X光图像分割算法

本文采用FCM聚类算法实现了对X光图像的分割,在分割过程中利用直方图数据简化了运算并设定聚类初始值,根据分割对象的特点,采用一维的灰度特征值实现分割,取得了比较理想的分割效果.     

直方图模糊约束FCM聚类自适应多阈值图像分割

本文提出了一种新的有效的图像多阈值分割方法．该方法通过对模糊约束直方图目标函数的优化．获得一个最佳模糊约束Ｃ划分,根据最大隶属度原则进行图像多阈值化．文中对得到的模糊划分函数进行了分析,同时还讨论了直方图划分类数的自适应确定问题．最后给出了几个典型的实验．理论分析和实验表明了本文方法具有速度快、划分特性良好,鲁棒性强的特点     

直方图模糊约束FCM聚为自适应多阈值图像分割

本文提出了一种新的有效的图像多阈值分割方法,该方法通过对模糊约束直方图目标函数的优化,获得一个最佳模糊约束Ｃ－划分,根据最大录属度原则进行图像多阈值化,文中对得以的模糊划分函数进行了分析,同时还讨论了直方图划分类数的自适应确定问题最给出了几个典型的实验,理论分析和实验表明了本文方法具有速度快、划分特性良好,鲁棒性绐的特点。     

基于改进抑制式FCM聚类算法的图像分割

在抑制式模糊C-均值聚类算法中,由于对隶属度的修正只考虑了隶属度的相对值,而没有考虑其绝对值,影响其聚类效果。针对其不足,提出了一种改进的模糊C-均值聚类算法。算法中,值的选择由所修正的隶属度的大小来确定。实验表明,该算法能获得较好聚类的效果。     

基于自适应模糊加权指数的FCM聚类测量图像分割方法

针对采用FCM聚类进行测量图像分割时,模糊加权指数难以确定的问题,通过分析FCM聚类原理,依据测量图像分割的具体要求,根据加权指数对不同模糊聚类过程的作用程度,提出了一种基于自适应模糊加权指数的 FCM 聚类测量图像分割方法.实验结果表明:该算法可以减少聚类迭代次数,确保分类的准确性,提高图像分割质量.     

基于FCM聚类算法的马田系统研究

马田系统是一种多元系统定量模式识别方法,是数据分类的有效方法,在很多领域都得到广泛应用。构建正常样本数据的基准空间、筛选出有效的项目、确定阈值等是经典马田系统的重要步骤。文章改进马田系统中筛选有效项目的方法,经典马田系统将正交表和信噪比结合起来筛选有效项目;基于FCM聚类算法的马田系统尝试用FCM聚类算法选择有效项目,正交表的每一行作为一个实验方案,对于每种方案,都利用FCM进行聚类,得到样品分类的正确率。把正确率的信噪比作为筛选有效项目的指标,信噪比越大则选择的有效项目越可信。得到有效的检测项目之后,可以优化马田系统的基准空间,提高样品分类的正确率。     

改进的自适应模糊C均值聚类图像分割算法

分析自适应FCM图像分割算法的优缺点,提出了改进的自适应模糊C均值聚类算法.利用像素的空间邻域信息构造二维直方图,作为自适应FCM的聚类样本,降低了样本空间的维数,解决了自适应FCM收敛速度慢,对噪声敏感等问题.通过与自适应FCM算法对含噪图像的分割结果以及分割速度,性能的对比分析,证明该算法收敛速度快,分割精度高,对噪声有较强的鲁棒性.     

基于自适应理论的快速模糊聚类图像分割算法

模糊聚类算法是在脑MR图像分割中运用的最多的一种算法,然而传统的FCM算法对噪声图像不能进行有效的分割,而一些改进的算法则在提高算法抗噪声性能的同时大大地增加了其运行时间。针对这些问题,本文提出了一种基于自适应理论的快速模糊聚类（AMFFCM）算法。实验结果表明该算法对噪声图像能进行有效的分割,同时其运行速度相对于其他的抗噪算法也得到了提升。     

基于改进演化策略的图像FCM聚类分割方法

提出图像分割算法在充分利用演化策略全局搜索能力的基础上，根据图像的灰度分布，按照模糊聚类的分割策略实现图像的分割。为了保证搜索到更优解，提出了一种新的演化策略改进方法，以提高其全局寻优能力，并将其应用到分割算法。实验结果表明，算法的分割效果很好。     

基于正交试验的细菌觅食算法的全局最优化

细菌觅食算法在求解全局最优化问题时的性能大部分依赖于参数的设置,各参数的值不同,则细菌觅食算法的收敛速度和得到的最优解也不同。本文主要介绍了用正交试验的方法设置细菌觅食算法的参数来求解全局最优化的问题,通过正交试验方法来检测多组参数对细菌觅食算法效率的影响,用经典的测试函数数对这种组合方案进行检测对比,通过对实验结果数据分析可得出参数的最佳组合方案。最终实验结果表明用正交试验法设置的细菌觅食算法的参数组合方案可以提高算法的效率和收敛速度,使算法能够更快更好的得到测试函数的近似最优解。     

采用改进细菌觅食优化算法的无人机航迹规划

针对现有的无人机航迹规划方法收敛速度较慢、效率不高、易陷入局部最优等问题,构建了基于改进细菌觅食优化算法的无人机航迹规划结构,从三个方面改进算法:一是将固定步长改为自适应步长;二是游动时嵌入粒子群算法学习因子思想;三是将固定迁徙概率改为自适应迁徙概率.同时,提出了飞行代价目标函数,通过函数寻优进行无人机航迹规划,并由数...     

An enhanced multi-channel bacterial foraging optimization algorithm for MIMO communication system

Channel estimation and optimisation are the main challenging tasks in Multi Input Multi Output (MIMO) wireless communication systems. In this work, a Multi-Channel Bacterial Foraging Optimization Algorithm approach is proposed for the selection of antenna in a transmission area. The main advantage of this method is, it reduces the loss of bandwidth during data transmission effectively. Here, we considered the channel estimation and optimisation for improving the transmission speed and reducing the unused bandwidth. Initially, the message is given to the input of the communication system. Then, the symbol mapping process is performed for converting the message into signals. It will be encoded based on the space–time encoding technique. Here, the single signal is divided into multiple signals and it will be given to the input of space–time precoder. Hence, the multiplexing is applied to transmission channel estimation. In this paper, the Rayleigh channel is selected based on the bandwidth range. This is the Gaussian distribution type channel. Then, the demultiplexing is applied on the obtained signal that is the reverse function of multiplexing, which splits the combined signal arriving from a medium into the original information signal. Furthermore, the long-term evolution technique is used for scheduling the time to channels during transmission. Here, the hidden Markov model technique is employed to predict the status information of the channel. Finally, the signals are decoded and the reconstructed signal is obtained after performing the scheduling process. The experimental results evaluate the performance of the proposed MIMO communication system in terms of bit error rate, mean squared error, average throughput, outage capacity and signal to interference noise ratio.     

Active noise control using an adaptive bacterial foraging optimization algorithm

This paper presents an adaptive bacterial foraging optimization (ABFO) algorithm for an active noise control system. The conventional active noise control (ANC) systems often use the gradient-based filtered-X least mean square algorithms to adapt the coefficients of the adaptive controller. Hence, there is a possibility to converge to local minima. In addition, this class of algorithms needs prior identification of the secondary path. The ABFO algorithm helps the ANC system to prevent falling into local minima. The proposed ANC system is also simpler since it does not need any prior information of the secondary path. Moreover, the adaptive strategy of the algorithm results in improved search performance compared with the basic bacterial foraging optimization algorithm, as well as other conventional algorithms. Experimental studies are performed for nonlinear primary path along with linear and nonlinear secondary path. The results show the effectiveness of the proposed ABFO-based ANC system for different kinds of input noise.     

基于K-means聚类算法优化方法的研究

针对传统K-means聚类中存在的一系列问题,文中提出了一种基于K-means聚类的改进算法。该算法首先利用K-means++聚类从数据中选择K个距离尽可能远的对象作为初始聚类中心,然后利用K-mediods聚类选择数据样本的中位数作为聚类中心的对象,最后与两步聚类结合。通过对几个常用UCI标准数据集进行仿真实验,结果表明该算法比传统算法更优。     

基于FCM聚类算法的呼吸音分类识别研究

为了分类识别不同部位的呼吸音,提出一种基于呼吸气持续时间相对值参数,以及呼吸气间歇时间相对值参数提取的呼吸音分析方法。该方法包括呼吸音预处理、包络提取、基于FCM聚类算法的自适应阈值线的选取、特征值提取为主的4个部分。对50例3种不同呼吸音进行分类实验,分类准确率为94%,从而验证了该方法的有效性。在此基础上,对该方法在同一种呼吸音病理和健康研究方面做出了展望。     

结合FCM聚类与SVM的火焰检测算法

针对传统视频型火焰检测算法误报率高、局限性强等问题,提出一种四步火焰检测算法。首先利用一种自适应混合高斯模型（GMM）检测视频序列中的运动目标;然后采用模糊C 均值（FCM）聚类算法分割疑似火焰区域与非火区域;再提取疑似火焰区域的面积变化、表面不均度等时空特征参数;最后将这些特征参数输入训练好的支持向量机（SVM）分类器以识别火焰区域。实验结果表明,算法不但在提高了检测率的同时降低了误检率,而且适用范围广,是一种有效的火焰检测算法。     

细菌觅食算法研究综述

细菌觅食算法是近几年新兴的仿生智能算法,受到众多学者的关注研究,目前已经成功应用到各个领域中。介绍了细菌觅食算法的背景与基本原理,在分析模型的基础上总结了目前学者针对细菌觅食算法改进和应用的方面,包括各个因子的性能、混合算法、应用领域。针对现实环境对细菌觅食算法进行了全面的综述,最后根据算法的基本特性和文献进展情况,给出细菌觅食优化算法未来的研究方向。     

FCM聚类算法在岩石图像分析中的应用

岩石的孔隙、喉道等特征是地质人员进行判断储层特征的重要参数.因岩石图像具有较高的复杂度,图像纹理相似,因而对岩石图像进行分析时有一定的难度.人工进行分析时,容易因为各种原因出现误差.本文提出利用模糊C均值算法(FCM)对鄂尔多斯盆地岩石铸体薄片进行聚类分析,实验结果能很好的将岩石铸体薄片中孔隙与岩石背景区分出来,为后期的岩石自动识别与分类奠定了基础.FCM是基于划分的一种非监督聚类算法.     

基于变异算子的细菌觅食优化算法研究

为了提高细菌觅食算法的优化性能,基于变异算子对细菌觅食优化算法进行了改进设计。在每次迭代时,以一定的概率选中细菌进行变异扰动,从而克服细菌觅食优化算法可能出现的早熟收敛及收敛速度慢的问题。数值仿真结果表明,这种基于变异算子的细菌觅食优化算法,在搜索精度、收敛速度及算法稳定性等方面均优于已有的细菌觅食优化算法。