基于改进型K均值算法的尿沉渣图像分割研究

针对传统K均值算法中随机选取聚类中心因存在不确定性和噪音点导致的分割结果不准确问题,本文提出了一种改进型K均值聚类算法。选择一个距离现有已存在簇中心较远且周围样本分布较为密集的数据样本作为下一个簇的聚类中心,并挑选距离所有数据样本均值最近的点作为第一个聚类的初始中心。该算法解决了传统方法中随机选取簇中心时存在不确定性导致的聚类结果不准确的问题,通过该方法选取下一个簇中心也有效缓解了传统方法容易受到噪音点影响的问题,同时与传统方法相比大大节约了计算时间。实验结果证明,本文所提出的新算法与传统K均值算法相比在尿沉渣图像聚类分割效果上要更加准确和高效。