结合非局部空间信息和KL信息的鲁棒FCM算法

针对传统模糊C均值(Fuzzy C-Means,FCM)聚类算法对噪声敏感的问题,提出一种结合非局部空间信息和KL信息的鲁棒FCM算法.首先,将灰度信息与非局部空间信息相融合,用于增强算法对噪声的鲁棒性;其次,在目标函数中引入KL信息,以便减少分割的模糊性.在密度为5%的混合噪声条件下,合成图像和自然图像的实验结果表明,该文算法的分割精度较高、鲁棒性较强,能较好地分割噪声图像.

基于空间信息的可能性模糊C均值聚类遥感图像分割

可能性模糊C均值(PFCM)聚类算法作为模糊C均值(FCM)聚类算法的一种改进算法,能在一定程度上克服FCM算法对噪声的敏感性;但由于PFCM没有考虑像元间的空间信息,对含有较大噪声的图像分割效果依然不理想。为此,提出一种新的基于空间信息的PFCM算法(SPFCM),克服了PFCM算法对含有较大噪声的图像分割效果不佳的缺点。通过对人工图像和IKONOS遥感图像进行分析,结果表明,SPFCM算法无论是在视觉上还是在分割正确率上都优于传统的FCM算法、PFCM算法及两种加入空间信息的FCM算法;对于含有高斯噪声和盐椒噪声的图像,平均分割正确率高达99.71%,是一种去噪效果较好的图像分割算法。

利用空间信息的核模糊C均值聚类算法

模糊聚类,特别是模糊C均值聚类算法(FCM)广泛地运用到图像的分割中。但是传统的算法未对数据对特征进行优化,亦未考虑图像的空间信息,对噪声图像分割不理想。在FCM目标函数中引入核函数,用内核引导距离代替传统的欧式距离,同时考虑到邻近象素的影响,增加了空间约束项,提出了利用空间信息的核FCM算法。通过对模拟图和仿真脑部MR图像的分割实验证明,该算法可以有效的分割含有噪声图像。

基于模糊C均值聚类与空间信息相结合的图像分割新算法

针对传统的模糊C均值聚类(FCM)图像分割方法未考虑图像的空间信息,对噪声十分敏感的问题,本文提出了一种结合空间信息的模糊C均值聚类分割新算法;该算法将图像的二维直方图引入传统的模糊C均值聚类算法中,并对隶属函数做了改进;依据平方误差和最小准则,来确定模糊分类矩阵及聚类中心;最后,依据最大隶属度原则,划分图像像素的类别归属,以改善传统的PCM算法的分割质量。实验结果表明,该算法显示了较好的分割效果和较强的抗噪性能。

基于截断技术的鲁棒模糊C均值聚类

[目的]直接利用模糊C均值(FCM)对原始数据进行聚类,容易导致聚类结果受到噪声和离群点的影响,但通常利用松弛技术对样本点模糊隶属度或空间位置关系进行松弛的解决方法只能降低,而无法完全剔除噪声和离群点的影响.为了解决这个问题,提出了基于截断技术的鲁棒模糊C均值(TRFCM)聚类算法.[方法]基于模糊局部信息C均值(FLICM)聚类模型,通过引入截断技术,提出TRFCM算法.该算法的主要思路为:(1)利用FLICM,在学习数据聚类结构的同时保留样本点的局部邻域结构;(2)基于FLICM的聚类结果动态调整原始数据,使其满足期望的聚类结构;(3)将聚类结构特征学习与原始数据的调整(即截断掉部分样本点),统一在一个优化框架中,从而实现组合最优化.将TRFCM算法与近年来相关算法进行比较以检验TRFCM的参数敏感性、收敛性、鲁棒性、时效性等性能.[结果]实验包括5个部分:参数敏感性与收敛性分析、鲁棒性检验、图像分割实验、Benchmark数据集实验和各算法计算时间对比实验.在参数敏感性和收敛性分析中,TRFCM算法在合适的范围内对参数不敏感且在大多数情况下可以获得良好的聚类效果.同时,算法对各数据集的聚类均可以在20轮迭代内收敛.在鲁棒性检验中,TRFCM的准确率是81.55%,较FLICM高出9.71个百分点,聚类结果更接近于真实数据分布,这证明了TRFCM对噪声具有良好的鲁棒性.在图像分割实验中,各对比算法对图像的划分在一定程度上都不够准确,部分算法出现了环境划分不完整、不同的部分错分到相同类中、不同的类之间发生重叠等问题.而TRFCM均规避了这些问题,取得了良好的聚类结果.在添加了均值为0、方差为0.05的高斯噪声的图像分割实验中,TRFCM算法对噪声干扰的抑制效果最优.在Benchmark数据集上,对Banknote Authentication、Wine、COIL20、WarpPIE10P、Yale和USPS数据集进行聚类分析,TRFCM在ACC、NMI与purity三种评价指标上都取得了优于其它对比算法的得分.在算法时效性的实验中,在相近的时间内,相较对比算法TRFCM能够获得更好的聚类效果.[结论]将截断技术引入到模糊聚类算法中,可实现对原始数据的动态调整,剔除噪声和离群点对聚类过程的干扰,从而保留更多对聚类有利的数据细节.基于该思路,利用截断技术以相似的方式对以往其他经典的模糊聚类模型进行改进,可以得到一系列的优化算法,为未来的研究提供新的方向.

HSI颜色模型下基于空间信息的FCM算法

针对提花毛皮样片的花型识别技术,在HSI颜色模型下提出了一种基于空间信息的FCM图像分割算法。算法在HSI颜色模型下获得FCM算法的初始聚类中心,并采用了基于空间信息的模糊C均值聚类方法对图像进行分割。经C++编程验证,算法能有效去除花型图像中的噪声,获得较理想的花型识别结果。

基于空间信息及隶属度约束的FCM图像分割算法

针对传统的模糊C均值(FCM)算法在图像分割方面存在的缺点,提出一种基于空间信息及隶属度约束的FCM图像分割算法.该算法在传统FCM算法的目标函数中引入图像空间信息及对隶属度的约束,使得到的聚类中心更加合理,并且增强了算法对噪音的鲁棒性.实验结果表明,本算法可以有效地提高图像分割的质量.

基于模糊C均值聚类算法的浆液循环泵节能运行优化方法研究

在浆液循环泵运行阶段,受客观应用需求波动的影响,其功耗相对较高。为此,提出基于模糊C均值聚类算法的浆液循环泵节能运行优化方法。在浆液循环泵运行数据特征提取阶段,采用基于无监督的深度学习模型,借助随机初始化的卷积核,对输入的数据进行卷积计算,获取低维空间的特征映射,随后通过反卷积确定浆液循环泵运行参数特征;在节能运行优化阶段,引入模糊C均值聚类算法,通过聚类具有相同特征的数据,将相同聚类内功耗最小的参数作为同类运行工况下的优化结果。结果显示,测试循环泵的功耗虽然会随着通过的最大颗粒粒度的增加而呈稳定增大的趋势,但对应的增幅较小,与对照组相比,其分别在节能程度和节能适应性方面表现出了明显优势。

基于结合空间信息的FCM聚类的分水岭图像分割

提出了一种分水岭变换和结合空间信息的FCM聚类相结合的图像分割方法。方法采用基于图论的结合区域特征信息和空间信息的距离度量,以分水岭变换得到的图像分割小区域为节点构建一个连通加权图,通过计算图上不同节点之间的最短路径来度量不同区域之间的相似程度,从而实现过分割小区域的合并。该方法综合考虑了区域的特征之间的差异和空间位置的差异,与传统的FCM聚类方法在特征空间进行聚类相比,具有较强的噪声抑制能力。图像分割的实验结果证明了该算法的可行性和有效性。

一种改进的顾及像素空间信息的FCM聚类算法

标准的FCM算法对噪声比较敏感,主要是因为该算法没有考虑像素间的空间信息。为了克服这个不足,本文基于自适应加权均值滤波图像提出了一种用于图像分割的FCM改进算法。该算法通过修改Ahmed聚类算法中的目标函数实现。利用该改进算法进行合成图像和真实图像的实验结果表明,相对于标准的FCM聚类算法和由Ahmed改进的算法,本文中提出的改进算法对于噪声更具有鲁棒性。

结合SAM大模型和数学形态学的历史地图水系信息提取方法

历史地图记载着丰富的历史地理信息,能够帮助了解历史规律,为当代发展提供借鉴。不同于现代地图、遥感影像等数据,历史地图保存时间久,存在留存数量少、图像精度低等问题,地图符号也与现代有所差异,因此信息难以被高效提取。针对该问题,本文以历史地图《宁夏省境黄河沿岸沟渠水道地形图》为试验数据,提出一种智能化历史地图水系信息提取方法。首先,结合符号句法,运用聚类与数学形态学方法构建数据集;然后,改进通用大模型(SAM)结构并进行迁移学习优化权重;最后,借助改进SAM自动提取历史地图水系信息。将试验结果与其他模型作对比,显示本文方法提取结果边界清晰,轮廓完整,准确率、精度等指标均为最高。同时,将提取结果与该区域水系现状作对比,发现历史上的河流沟渠如今大多改道、偏移或消失,湖泊面积大大减小。本文方法基于SAM通用大模型进行改进,验证了大模型在地图领域的可用性,为地图信息提取提供了思路。

一种结合空间信息的FCM算法对脑MR图像的分割

根据局部统计信息引入一个控制参数用于区分某个空间邻域中的噪声点、边缘点和区域内部的点,提出一种合理利用空间信息对隶属度更新的FCM算法。仿真结果表明,使用该算法对附加有偏差场和噪声的脑MR图像进行分割,所得的结果相对于FCM算法和一些改进的算法具有更好的紧致性和分离性。

结合空间信息的FCM聚类噪声图像分割方法

标准模糊C均值聚类算法由于没有考虑任何与图像空间连续性有关的信息,对噪声高度敏感,针对这一问题,提出一种基于图像空间信息的FCM聚类分割算法。该算法将图像像素的空间信息引入到相似性度量和隶属度函数中,其中空间信息由像素的相对位置和邻域内像素的特征决定。实验结果证明,该方法能有效地对含有一定噪声的图像进行分割,具有较好的抗噪性能。

基于LOF-FCM算法的船舶航行数据识别

针对传统船舶自动识别系统数据在清洗异常数据和提取停留数据时分别采用不同的识别方式、类型判断阈值需要人为设定、识别效率不佳的局限性,首次提出了一种船舶航行轨迹中停留及异常数据的一体化检测方法。通过分析航行路线的3种数据(停留、异常和航行)异常因子特征,提出基于LOF-FCM的船舶航行数据、停留数据和异常数据一体化检测算法。实验对3类数据进行了识别,模型识别准确率达到了92.69%,有效提高了异常、停留、航行数据的识别能力。结果表明所提方法可一次性实现AIS数据中3种数据的检测,能高效分离出正常船舶航行数据,具有良好的工程应用价值。

基于相对熵改进模糊C均值聚类的溢流预警研究

钻井过程中溢流的早期发现非常重要,目前国内外基于人工智能的溢流预警模型普遍使用大量先验知识或训练数据,其准确性、实时性、可靠性完全受限于先验知识和训练数据,文章提出了基于相对熵改进模糊C均值聚类的溢流预警模型,采用相对熵理论改进模糊C均值聚类算法,克服传统模糊C均值聚类时聚类数目由用户主动给出的缺点,并结合溢流故障的发生与立压、套压的变化趋势具有相关性的特点,建立了早期溢流智能预警模型,实现对早期溢流的及时发现。通过对现场数据的仿真分析表明,该预警模型能够通过立压和套压的斜率变化及时准确地判断是否发生溢流。

基于空间信息的FCM医学图像高效分割

标准FCM算法仅考虑图像的灰度信息,没有考虑图像的空间信息,所以对噪声比较敏感。考虑到医学图像数据提取中必定包含噪声,因此设计的算法必须对噪声具有鲁棒性。文中算法在KFCM_S2的基础上加入模糊空间信息,利用邻域像素对当前像素作用的先验概率,重新确定当前像素的模糊隶属度,同时进一步地调整距离矩阵。为实现快速聚类,算法的开始进行直方图初始化。实验结果表明,相对于标准的FCM和KFCM_S2算法,文中算法既能快速有效地分割图像,又能提高对噪声的鲁棒性。

基于模糊C-均值算法粗糙集理论的云模型在岩爆等级评价中的应用

岩爆等级评价具有模糊性和不确定性,而粗糙集理论的云模型对处理模糊性和不确定性问题具有独特优势,由此提出了基于模糊C均值(简称FCM)算法粗糙集的云模型理论在岩爆等级评价中的新模型。该模型选用岩石单轴抗压强度σ_c、洞室围岩最大的切向应力σ_θ、岩石单轴抗拉强度σ_t和岩石弹性能量指数W_(et)作为岩爆等级评价因子,依据岩爆分级标准计算各评价因子隶属于不同岩爆等级的云数字特征。同时,以国内外40例岩爆工程为研究对象,运用基于FCM算法的粗糙度理论进行因子属性重要性评价,计算各评价因子权重。根据正向正态云发生器,得到待评样本的综合确定度,由最大综合确定度判定岩爆级别。研究表明:该模型的评价结果与实际情况基本一致,具有一定的可行性,为岩爆预测提供了一种新的研究方法与思路。

顾及数据空间分布特性的模糊C-均值聚类算法研究

利用描述空间数据分布的Voronoi图的有关理论分析了样本空间数据分布特性 ,从理论上论述了样本集中各类样本数差异较大产生的根源 ,并在此基础上提出了一种顾及数据空间分布特性的模糊C

基于分布信息直觉模糊c均值聚类的红外图像分割算法

针对传统的直觉模糊c均值聚类算法进行图像分割时对聚类中心敏感导致最终聚类精度低、细节保留性差、时间复杂度较大等不足,提出了一种适用于电力设备红外图像分割的基于分布信息的直觉模糊c均值聚类算法。红外图像中高强度的非目标对象与图像强度不均匀对图像分割有较强干扰,所提算法能有效抑制该干扰。首先,将高斯模型引入电力设备的全局空间分布信息中以改进IFCM算法;其次,利用局部空间信息的空间算子优化隶属函数来解决边缘模糊和图像强度不均匀问题。经过对Terravic动态红外数据库与包含300幅电力设备红外图像的数据集进行实验,相对区域错误率在10%左右,受模糊因子m变化影响较小,验证了所提算法在有效性与适用性上明显优于其他对比算法。

MapReduce模型下的模糊C均值算法研究

针对模糊C均值算法需要不断迭代来计算样本数据的隶属度值以及聚类中心的特点,利用MapReduce模型解决海量数据下的模糊C均值问题,进而提出高效的模糊C均值算法。在Map阶段和Reduce阶段分别完成隶属度和聚类中心的计算,每次迭代都需要启动一次完整的MapReduce执行过程。通过多次迭代计算出隶属度值以及聚类中心,并更新聚类中心文件,供下一轮作业使用,重复执行这一过程直至得到最终聚类结果。实验结果表明,该算法能够有效减少MapReduce计算过程中的迭代次数,从而提高整体执行效率。