王少华
- 作品数：2 被引量：10H指数：2
- 供职机构：江南大学数字媒体学院更多>>
- 发文基金：江苏省产学研联合创新资金项目江苏省“六大人才高峰”高层次人才项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于改进核模糊C均值类间极大化聚类算法被引量：4
- 2016年
- 传统的核聚类仅考虑了类内元素的关系而忽略了类间的关系,对边界模糊或边界存在噪声点的数据集进行聚类分析时,会造成边界点的误分问题。为解决上述问题,在核模糊C均值(KFCM)聚类算法的基础上提出了一种基于改进核模糊C均值类间极大化聚类(MKFCM)算法。该算法考虑了类内元素和类间元素的联系,引入了高维特征空间的类间极大惩罚项和调控因子,拉大类中心间的距离,使得边界处的样本得到了较好的划分。在各模拟数据集的实验中,该算法在类中心的偏移距离相对其他算法均有明显降低。在人造高斯数据集的实验中,该算法的精度(ACC)、归一化互信息(NMI)、芮氏指标(RI)指标分别提升至0.913 2,0.757 5,0.913 8。
- 李斌狄岚王少华于晓瞳
- 关键词：核聚类模糊C均值聚类
- 基于核与局部信息的多维度模糊聚类图像分割算法被引量：6
- 2015年
- 在以聚类分析为背景的图像分割算法中,引入局部信息是为了在保留图像细节的同时尽可能地减少噪声。在模糊C均值算法基础上,提出了一种基于核与局部信息的多维度模糊聚类分析方法来权衡图像中的噪声和细节。该算法引入2个基于局部信息的图像变体,即平滑和锐化处理后的图像,使之与原始图像一起构成多维度的灰度值向量来替换原始单维的灰度值;再利用核方法提高其鲁棒性;最后添加一个邻域隶属度差异惩罚项很好地修正和增强了最终的分割效果。在人工合成图片的去噪实验中,所提方法取得了近99%的分割正确率,优于Nystrom归一化分割(NNcut)和基于模糊局部信息C均值(FLICM)算法;同时在自然图片和医学图片的对比实验以及参数调控实验中,展现出了其在处理图像噪声和细节时灵活、稳定、健壮且易于调控的特点。
- 王少华狄岚梁久祯
- 关键词：图像分割模糊C均值多维度核方法局部信息
