-
题名基于ICA优化空间信息PCM的SAR图像分割
被引量：4
- 1
-
-
作者
田小林
焦李成
缑水平
-
机构
西安电子科技大学智能信息处理研究所
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2008年第7期1751-1755,共5页
-
基金
国家自然科学基金(60673097
60703109)
+1 种基金
国家部委科技资助项目(A1420060172
51307040103)资助课题
-
文摘
可能性C-均值(PCM)聚类算法提高了数据聚类的抗噪性能,但由于这种算法没有考虑数据的空间依赖特性,应用于合成孔径雷达(SAR)图像分割时,受SAR图像中斑点噪声的影响,通常不能得到正确的分割结果。该文在PCM目标函数中引入空间相对位置信息和多尺度空间像素强度信息,这些空间信息取值由前次迭代优化的聚类结果确定,空间信息影响程度(影响因子)由免疫克隆算法(ICA)优化,实现了空间信息影响因子的自适应调整,优化了PCM聚类结果。实验将这种算法应用于人工合成图像和实际SAR图像的分割,结果表明该文所提出的算法对初始分割不敏感,具有强的抗噪性能,改善了SAR图像的分割效果。
-
关键词
SAR图像分割
pcm聚类
平稳小波变换(SWT)
免疫克隆算法(ICA)
-
Keywords
Synthetic Aperture Radar （SAR） image segmentation
possibilistic c-means （pcm） clustering
Stationary Wavelet Transform （SWT）
Immune Clonal Algorithm （ICA）
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名马尔可夫随机场约束下的PCM图像分割算法
被引量：1
- 2
-
-
作者
周彤彤
杨恢先
李淼
谭正华
张建波
-
机构
湘潭大学材料与光电物理学院
湘潭大学信息工程学院
-
出处
《计算机工程与应用》
CSCD
2013年第24期157-160,共4页
-
基金
湖南省教育厅科研项目(No.10C1263)
湘潭大学科研项目(No.11QDZ11)
-
文摘
与模糊C均值(FCM)算法相比较,可能性C均值(PCM)聚类算法具有更好的抗干扰能力。但PCM聚类算法对初始化条件很敏感,在聚类的过程中很容易导致聚类结果一致性,并且没有考虑到像素的空间信息,用在图像分割尤其是多目标图像分割上效果极不稳定。在PCM算法的基础上,利用Markov随机场中的邻域关系属性,引入先验空间约束信息,建立包含灰度信息与空间信息的新聚类目标函数,提出马尔可夫随机场与PCM聚类算法相融合的图像分割新算法(MPCM算法)。实验结果表明,在多目标图像分割上利用MPCM算法可以取得比PCM更好的分割效果。
-
关键词
图像分割
可能性C均值
MARKOV随机场
聚类
-
Keywords
image segmentation
possibilistic c-means （pcm）
Markov random field
clustering
-
分类号
TN911.73
[电子电信—通信与信息系统]
-
-
题名基于空间信息的可能性模糊C均值聚类遥感图像分割
被引量：12
- 3
-
-
作者
张一行
王霞
方世明
李晓冬
凌峰
-
机构
中国地质大学(武汉)资源学院
中国科学院测量与地球物理研究所
-
出处
《计算机应用》
CSCD
北大核心
2011年第11期3004-3007,共4页
-
基金
国家自然科学基金资助项目(40801186)
武汉市青年晨光计划项目(200950431218)
-
文摘
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。
-
关键词
空间信息
模糊C均值聚类
可能性C均值聚类
图像分割
-
Keywords
spatial information
Fuzzy c-means（FCM） clustering
possibilistic c-means（pcm） clustering
image segmentation
-
分类号
TP391.413
[自动化与计算机技术—计算机应用技术]
-
-
题名一种快速的广义噪声聚类算法
被引量：3
- 4
-
-
作者
武斌
武小红
贾红雯
-
机构
安徽农业大学信息与计算机学院
滁州职业技术学院信息工程系
江苏大学电气信息工程学院
江苏大学食品与生物工程学院
-
出处
《计算机工程与应用》
CSCD
2013年第13期145-148,共4页
-
基金
安徽省高校省级优秀青年人才基金(No.2012SQRL251)
安徽省高校省级科学研究项目(No.KJ2012Z302)
-
文摘
为解决广义噪声聚类(GNC)算法非常依赖参数和在运行GNC算法前必须运行FCM算法以便计算参数的缺点,在GNC的目标函数和可能聚类算法(PCA)基础上,提出一种快速的广义噪声聚类(FGNC)算法。FGNC算法通过一种非参数化方法计算GNC目标函数中的参数,因而FGNC算法不依赖参数并且聚类速度快于GNC算法。对人工含噪声数据集和两个实际数据集进行仿真实验,实验结果表明FGNC算法能很好地处理含噪声数据,具有聚类中心更接近真实聚类中心,聚类准确性高,聚类时间少的优良性能。
-
关键词
模糊C-均值聚类
可能C-均值聚类
广义噪声聚类
-
Keywords
Fuzzy c-means （FCM）
possibilistic c-means （pcm）
Generalized Noise clustering （GNC）
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于增量学习的RBF神经网络的噪声源识别
- 5
-
-
作者
高志华
李朝旭
田立业
-
机构
海军工程大学计算机工程系
空军工程大学自动化工程系
-
出处
《计算机工程与科学》
CSCD
2008年第11期118-119,133,共3页
-
文摘
本文提出了一种用于水下航行器噪声源识别的RBF模糊神经网络模型。该模型采用PCM聚类算法并具有增量学习能力,网络输出节点在线可调,保证了网络具有较高的泛化能力和一定的学习新故障模式的能力。仿真结果表明,该模型是有效的。
-
关键词
径向基函数
可能性C均值聚类
增量学习
-
Keywords
radial basis function （RBF）
possibilistic c-means clustering（pcm）
incremental learning
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名概率聚类在非线性信号平滑处理中的应用
- 6
-
-
作者
谭扬波
陈光
-
机构
电子科技大学自动化系CAT室
-
出处
《电子测量与仪器学报》
CSCD
1999年第4期14-18,28,共6页
-
文摘
本文提出一种基于概率聚类的滤波器（Ｐａｓｓｉｂｉｌｉｓｔｉｃ ｃｌｕｓｔｅｒｉｎｇ ｆｉｌｔｅｒ，即 ＰＣＦ）。该滤波器通过对活动窗口内的输入数据进行聚类，将其聚类中心作为该窗口的输出，从而得到滤波器的输出。从模拟结果我们可以看到该滤波器一方面可以滤去外加噪声，另一方面又保持了输入信号的非线性特征。
-
关键词
概率聚类
滤波器
非线性信号
平滑处理
-
Keywords
Membership function
Fuzzy clustering
possibilistic clustering
FCM algorithm
pcm algorithm
-
分类号
TN911.7
[电子电信—通信与信息系统]
TN713
[电子电信—电路与系统]
-
-
题名基于半监督信息的截集式可能性C-均值聚类算法
被引量：5
- 7
-
-
作者
范九伦
高梦飞
于海燕
陈斌斌
-
机构
西安邮电大学通信与信息工程学院
西安邮电大学电子信息勘验应用技术公安部重点实验室
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2021年第8期2378-2385,共8页
-
基金
国家自然科学基金(62071378,62071379,62071380)
西安邮电大学西邮新星团队(xyt2016-01)。
-
文摘
截集式可能性C-均值(C-PCM)聚类算法将截集概念引入可能性C-均值(PCM)聚类算法中,明显改善了PCM的聚类中心重合问题,并能够对噪声和奇异点的数据进行有效聚类,但该聚类算法对小目标数据聚类时仍然存在聚类中心偏移的问题。针对此问题,该文将半监督学习机制引入C-PCM的目标函数中,通过部分先验信息来指导聚类过程,提出半监督截集式可能性C-均值(SS-C-PCM)聚类算法。为了提高彩色图像的分割效率和分割准确率,将差分进化超像素(DES)算法获得的图像空间邻域信息融入SS-C-PCM目标函数中,并利用彩色直方图重构目标函数,以降低算法的计算复杂度,进而提出基于差分进化超像素的半监督截集式可能性C-均值(desSSC-PCM)聚类算法。通过人造数据和彩色图像分割的仿真并与多种相关算法进行对比,表明该文算法能够有效改善小目标数据的聚类效果,提高算法的执行效率。
-
关键词
截集式可能性C-均值聚类
半监督
超像素
彩色直方图
-
Keywords
Cutset-type possibilistic c-means clustering(C-pcm)
Semi-supervised
Superpixel
Color histogram
-
分类号
TN911.73
[电子电信—通信与信息系统]
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名一种协同的可能性模糊聚类算法
被引量：4
- 8
-
-
作者
谭欣
徐蔚鸿
-
机构
长沙理工大学计算机与通信工程学院
-
出处
《计算机工程与应用》
CSCD
2014年第21期147-151,共5页
-
基金
国家教育部重点科研项目(No.208098)
湖南省科技计划项目(No.2012FJ3005)
-
文摘
模糊C-均值聚类(FCM)对噪声数据敏感和可能性C-均值聚类(PCM)对初始中心非常敏感易导致一致性聚类。协同聚类算法利用不同特征子集之间的协同关系并与其他算法相结合,可提高原有的聚类性能。对此,在可能性C-均值聚类算法(PCM)基础上将其与协同聚类算法相结合,提出一种协同的可能性C-均值模糊聚类算法(C-FCM)。该算法在改进的PCM的基础上,提高了对数据集的聚类效果。在对数据集Wine和Iris进行测试的结果表明,该方法优于PCM算法,说明该算法的有效性。
-
关键词
可能性C-均值聚类(pcm)
模糊C均值(FCM)
协同模糊聚类
-
Keywords
possibilistic c-means clustering（pcm）
Fuzzy c-means（FCM）
collaborative fuzzy clustering
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
