基于改进的免疫模糊聚类方法的医学图像分割

传统模糊C-均值聚类算法需要输入初始聚类中心,但是输入错误的初始聚类中心会产生较差的图像分割结果。对此提出一种改进的医学图像分割算法——基于免疫模糊聚类的医学图像分割。该算法能够快速有效地找出合适的初始聚类中心值,使之最大可能地趋近于理想值,从而大大提高算法的效率,避免陷入局部解。同时,将免疫克隆选择算法融入到模糊聚类算法中。实验结果表明,该算法能快速有效地找到合适的初始聚类中心,能有效提高搜索效率和准确率,得到较理想的分割效果。

混合智能算法在电子商务个性化推荐中的研究

针对传统协同过滤推荐算法出现的推荐精度下降、邻近用户缺乏多样性等问题,本文将免疫遗传模糊c-均值聚类算法应用于传统协同过滤推荐算法中以求解决上述问题。免疫遗传算法收敛速度快、搜索精度高、稳健性强等特点与模糊c-均值聚类算法柔性模糊划分的特点相结合,可以快速的收敛到全局最优解,有效的克服了模糊聚类中的弱点,从而提高了个性化推荐系统的推荐质量。