试谈图像处理二型模糊聚类图像处理改善算法站

论文导读：明,改善的区间二型模糊C均值算法得到的数据聚类划分与图像分割效果要优于区间二型模糊C均值算法得到的实验结果。关键词：二型模糊集论文聚类浅析论文FCM论文图像处理论文本论文由www.7ctime.com,需要论文可以联系人员哦。摘要5-6Abstr
摘要：作为一型模糊集合的推广,二型模糊集用[0,1]上的模糊集来表达论域中每个元素的隶属度,它可以更有效地描述那些很难用一型模糊集建模且具有更高模糊性的对象。二型模糊聚类算法在处理不确定信息方面有其特有的优势,运用最广泛的是区间二型FCM算法。但现有的区间二型FCM算法在解决聚类不足时遇到一些不足,如：区间二型FCM算法本质上是一种局部寻优技术,初值的选取对其影响大,而且不具备目标函数取最值的全局性；对于处理非球类或椭球型结构的数据时,效果不是很理想；算法降型历程中计算量较大,进而影响了算法执行效率。鉴于区间二型模糊C均值聚类算法的这些缺点,本论文提出了以下几个改善算法：(1)全局区间二型模糊C均值聚类算法,通过对局部聚类中心反复的获取,每一个环节都与样本点层层相连,保证了迭代历程初始聚类中心的严密与精确性。改善后算法优点在于初值的选取对其没有影响,而且具备了目标函数最值的全局性。(2)距离改善的区间二型模糊C均值算法,其充分考虑了样本的本身结构,直接构造判别准则,以而解决因样本自身结构不足带来距离计算上的差别,能够完成对非球类或椭球型结构的数据的聚类,比区间二型模糊C均值聚类算法有更好的聚类结果。(3)相对最优的区间二型模糊C均值算法,其通过转变隶属函数的划分点和减少隶属函数的迭代计算历程,达到减少降型计算量的目的,此算法计算量相对少且执行效率高。实验结果证明,改善的区间二型模糊C均值算法得到的数据聚类划分与图像分割效果要优于区间二型模糊C均值算法得到的实验结果。关键词：二型模糊集论文聚类浅析论文FCM论文图像处理论文
本论文由www.7ctime.com,需要论文可以联系人员哦。摘要5-6
Abstract6-9
第一章 绪论9-16

1.1 相关背景简述9-10

1.1 二型模糊集的进展及运用9

1.2 二型模糊C均值聚类算法的探讨近况9-10

1.2 模糊集论述10-16

1.2.1 模糊集相关定义10-12

1.2.2 模糊集基本运算12-16

第二章 区间二型模糊C均值聚类算法16-23

2.1 区间二型模糊集合的相关概念16-17

2.2 区间二型模糊C均值聚类算法17-22

2.1 区间二型模糊C均值聚类算法的实现17-19

2.2 区间二型模糊C均值聚类算法的具体流程19-20

2.3 区间二型模糊C均值聚类算法的实验效果20-21

2.4 区间二型模糊C均值聚类算法的缺点21-22

本章小结22-23
第三章 全局区间二型模糊C均值聚类算法23-27

3.1 全局算法的提出23

3.2 全局算法的实验结果23-26

本章小结26-27
第四章 改善距离的区间二型模糊C均值聚类算法27-34

4.1 算法数据选取的局限性27

4.2 新算法的提出27-28

4.3 新算法实验结果28-33

4.

3.1 UCI数据的聚类实验28-29

4.

3.2 图像分割实验29-33

本章小结33-34
第五章 相对最优的区间二型模糊C均值聚类算法34-37

5.1 快速区间二型模糊C均值聚类算法的提出34-35

5.2 相对最优的区间二型模糊C均值聚类算法的提出35-36

5.3 仿真实验结果36

本章小结36-37
结论与展望37-38
参考文献38-40
攻读硕士学位期间发表的学术论文40-41
致谢41