基于超椭球模糊聚类的人脑磁共振图象分割

通常使用的聚类分割方法认为样本的分布是超球形的，然而，这并不符合人脑磁共振ＭＲ（ｍａｇｎｅｔ－ｉｃｒｅｓｏｎａｎｃｅ）图象的真正特点．针对这一缺陷，提出了一种基于超椭球模糊聚类的人脑ＭＲ图象分割方法．实验结果表明，这种分割方法能有效地将人脑ＭＲ图象分割为灰质和白质两种组织，并具有较高的效率和分割精度．

模糊超椭球分类算法及其在无约束手写体数字识别中的应用

为获得具有强推广能力、高效的识别算法 ,提出了基于模糊超椭球聚类的模糊超椭球分类算法 ,并且用于无约束手写体数字的识别。模糊超椭球聚类能充分利用训练样本集的分布信息 ,运用较少的类别个数来表征复杂的样本分布 ,获得良好的识别效果和推广能力。在此基础上 ,模糊超椭球分类算法加入了有监督的控制 ,使算法在聚类过程中可以确定合适的类别数 ,使学习结果能更好地反映训练集的概率分布。然后 ,采用学习矢量量化等算法对其进行进一步有监督训练 ,从而取得更好的训练效果。在国际通用的 NIST字库和实际采集的手写体数字集进行的实验中 ,模糊超椭球分裂算法获得了令人满意的结果 ,而且具有进一步发展的潜力。