带有深度邻域信息的模糊C均值聚类算法OA北大核心
Fuzzy C-means clustering algorithm with deep neighborhood information
针对聚类算法用于图像分割时造成的过度分割问题,提出一种带有深度邻域信息的模糊C均值聚类算法(FCM_DN).在传统的带有邻域信息的模糊C均值聚类算法基础上,引入类似高斯滤波的权重来表示像素点的位置差异,同时还引入中心点像素值与邻域点像素值之间的差异.相比于只考虑带有像素点之间位置差异的模糊C均值聚类算法,所提出的算法在聚类时可以使用更大的邻域,从而解决过度分割的问题.结果表明:在人造数据集上,本算法对于椒盐噪声和高斯噪声都有较强的鲁棒性;在现实数…查看全部>>
车杭骏;陈科屹;王雅娣;刘晓阳
西南大学电子信息工程学院,重庆400715西南大学重庆市非线性电路与智能信息处理重点实验室,重庆400715西南大学电子信息工程学院,重庆400715河南大学河南省大数据分析与处理重点实验室,河南 开封475004
信息技术与安全科学
过度分割模糊C均值深度邻域信息像素值差异位置差异
《华中科技大学学报（自然科学版）》 2022 (11)
基于自适应组效应稀疏学习的高维数据特征选择
135-141,7
国家自然科学基金资助项目(62003281,62103428,62106066)中央高校基本科研业务费专项资金资助项目(SWU020006)重庆市自然科学基金资助项目(cstc2021jcyj-msxmX1169)湖南省自然科学基金资助项目(2021JJ40702)河南省高等学校重点科研项目(22A520019).
评论