一种基于层次分析法的改进KNN算法

KNN分类算法具有非参数性,易于理解且比较高效,被广泛应用于许多领域。传统的KNN算法中的欧氏距离求法将样本所有属性的贡献视为相同,而实际上样本不同属性的贡献并不一定相同,为解决此问题,提出了一种基于层次分析法的改进KNN算法。在改进算法中,首先利用层次分析法计算样本各属性的权值,再采用加权的欧氏距离计算样本距离,根据样本的加权距离进行分类。实验中,随着训练样本的不断增加,AHP-KNN算法的效率不断提高,并且逐步优于FCD-KNN算法和传统KNN算法的效率。仿真结果表明,提出的改进算法有效提高了传统KNN算法的分类精确度,并具有一定的理论和实际应用价值。

一种基于细菌觅食优化算法的舌体分割算法

针对医学舌体数字图像的准确分割,提出了一种基于细菌觅食优化算法(BFOA)和Snake活动轮廓模型相组合的舌体分割算法。首先,以信息熵与Kapur算法相结合作为自适应函数来改进BFOA算法,通过改进的BFOA算法计算舌体图像的最佳图像二值化阈值,并将舌体图像二值化;然后,利用舌体图像的对称性提取舌体的关键边缘点,并基于B-样条插值算法由关键点集合插值得到闭合的B-样条曲线,作为Snake模型的初始轮廓;最后,通过Snake模型计算求解,即可准确提取舌体的轮廓曲线。实验结果表明,改进算法能够高精度地分割出舌体图像,并能消除基本Snake模型在初始轮廓曲线选取中存在的人机交互难题,实现了舌体图像的自动分割。