点密度函数加权模糊C-均值算法的聚类分析

基于模糊C-均值算法具有对数据集进行等划分趋势的缺陷,文章利用数据点的密度大小作为权值,借助数据本身的分布特性,提出了一种新的加权模糊C-均值算法,该方法不仅在一定程度上克服了模糊C-均值算法的缺陷,而且具有良好的收敛性。

基于格贴近度的不完全文字图像模糊识别方法

目前在对那些受污损的文字图像处理过程中存在着计算复杂、恢复效果欠佳等问题,针对这些问题,提出了一种基于格贴近度的不完全文字图像模糊识别方法。设计一种基于像素空间分布信息的点密度函数作为像素加权系数,确定像素模糊化矩阵向量,采用一种格贴近度方法对文字图像进行模糊识别。理论分析和实验结果表明,该方法不但可以较好地识别图像中的不完全文字,而且具有计算速度快、效率高,对不完全文字图像识别有一定的实用价值。

改进的模糊C-均值算法在图像分割中的应用

针对传统的模糊C-均值算法在图像分割中存在的缺陷,提出了一种基于点密度函数加权的模糊C-均值聚类算法。将图像像素的点密度函数作为权值,并依据类间相关度定义了一个聚类有效性函数用以确定最佳聚类数,结合聚类有效性完成对图像的分割。理论分析和对比试验表明,该算法在一定程度上克服了模糊均值算法的缺陷,在图像分割中具有良好的分类精度。

基于改进模糊均值聚类算法的遥感图像聚类

由于传统模糊C均值聚类算法存在缺陷,该文给出了一种结合加权模糊C均值聚类与聚类有效性指数的算法。利用数据点的密度大小作为权值,借助数据本身的分布特性,该方法不仅在一定程度上克服了模糊均值算法的缺陷——有对数据集进行等划分的趋势,而且具有良好的收敛性。