图形模糊聚类算法初始化方式改进

为了降低初始化参数对图形模糊聚类算法收敛性的影响,对图形模糊聚类算法的初始化方法加以改进。将隶属度、中立度和拒绝度3个参量的随机值先求平方,再按其平方和进行归一化处理,以代替原来的初始化方法。将改进前后的算法用于Iris文本数据分类,以及基于1维或2维直方图的人物、医学和遥感的图像分割,结果显示,改进算法用时短,收敛快。将改进算法作用于含噪标准灰度图像,分割结果的峰值信噪比更高。

基于全散度的自适应鲁棒图形模糊聚类算法

针对图形模糊聚类对灰度分布不均匀及噪声干扰图像无法获得满意分割结果的不足,提出一种基于全散度的自适应鲁棒图形模糊聚类分割算法。全散度和像素邻域信息相结合,得到一种改进的全散度;改进的全散度引入图形模糊聚类最优化模型,并嵌入像素空间邻域信息。当前聚类像素与邻域像素均值的偏差作为该鲁棒聚类分割模型的正则因子,促使该聚类对强弱噪声具有自适应抑制能力。测试结果表明,与现有的图形模糊聚类、鲁棒模糊聚类等算法相比,自适应鲁棒全散度图形模糊聚类分割算法的分割效果和抗噪鲁棒性均有明显改善。