本文選題：廣義均衡模糊C-均值聚類　切入點：核空間　出處：《中國圖象圖形學報》2017年02期

【摘要】：目的針對現(xiàn)有廣義均衡模糊C-均值聚類不收斂問題,提出一種改進廣義均衡模糊聚類新算法,并將其推廣至再生希爾伯特核空間以便提高該類算法的普適性。方法在現(xiàn)有廣義均衡模糊C-均值聚類目標函數(shù)的基礎上,利用Schweizer T范數(shù)極限表達式的性質(zhì)構(gòu)造了新的廣義均衡模糊C-均值聚類最優(yōu)化目標函數(shù),然后采用拉格朗日乘子法獲取其迭代求解所對應的隸屬度和聚類中心表達式,同時對其聚類中心迭代表達式進行修改并得到一類聚類性能顯著改善的修正聚類算法;最后利用非線性函數(shù)將數(shù)據(jù)樣本映射至高維特征空間獲得核空間廣義均衡模糊聚類算法。結(jié)果對Iris標準文本數(shù)據(jù)聚類和灰度圖像分割測試表明,提出的改進廣義均衡模模糊聚類新算法及其修正算法具有良好的分類性能,核空間廣義均衡模糊聚類算法對比現(xiàn)有融入類間距離的改進模糊C-均值聚類(FCS)算法和改進再生核空間的模糊局部C-均值聚類(KFLICM)算法能將圖像分割的誤分率降低10%30%。結(jié)論本文算法克服了現(xiàn)有廣義均衡模糊C-均值聚類算法的缺陷,同時改善了聚類性能,適合復雜數(shù)據(jù)聚類分析的需要。
[Abstract]:Aim to solve the problem of non-convergence of generalized equilibrium fuzzy C-means clustering, an improved generalized equilibrium fuzzy clustering algorithm is proposed. It is extended to the reproducing Hilbert kernel space in order to improve the universality of this kind of algorithm. The method is based on the existing generalized equilibrium fuzzy C-means clustering objective function. A new generalized equilibrium fuzzy C-means clustering optimization objective function is constructed by using the properties of the Schweizer T norm limit expression. Then the Lagrange multiplier method is used to obtain the corresponding membership degree and clustering center expression. At the same time, the iterative expression of clustering center is modified and a class of modified clustering algorithm is obtained, which improves the clustering performance significantly. Finally, the kernel space generalized equilibrium fuzzy clustering algorithm is obtained by mapping the data samples to the high dimensional feature space by nonlinear function. Results the Iris standard text data clustering and gray image segmentation test show that, The improved generalized equalization module fuzzy clustering algorithm and its modified algorithm have good classification performance. The kernel space generalized equalization fuzzy clustering algorithm can reduce the error rate of image segmentation by 100% compared with the existing improved fuzzy C-means clustering algorithm (FCSs) which incorporates the distance between clusters and the improved fuzzy local c-means clustering algorithm in the reproducing kernel space. Conclusion this algorithm overcomes the shortcomings of the existing generalized equilibrium fuzzy C-means clustering algorithms. At the same time, the clustering performance is improved, which is suitable for complex data clustering analysis.
【作者單位】： 西安郵電大學電子工程學院;
【基金】：國家自然科學基金重點項目(61136002) 陜西省教育廳科學研究計劃資助項目(2015JK1654) 陜西省自然科學基金項目(2014JM8331,2014JQ5138,2014JM8307) 研究生創(chuàng)新基金項目(CXL2015-03)~~
【分類號】：TP391.41;TP311.13

【參考文獻】

相關期刊論文 前6條

1 文傳軍;汪慶淼;詹永照;;均衡模糊C均值聚類算法[J];計算機科學;2014年08期

2 文傳軍;詹永照;柯佳;;廣義均衡模糊C均值聚類算法[J];系統(tǒng)工程理論與實踐;2012年12期

3 ;Fuzzy c-means clustering based on spatial neighborhood information for image segmentation[J];Journal of Systems Engineering and Electronics;2010年02期

4 周鮮成;申群太;劉利枚;;New two-dimensional fuzzy C-means clustering algorithm for image segmentation[J];Journal of Central South University of Technology;2008年06期

5 谷敏強;李洪興;王杰亮;;基于模糊關系方程組的解構(gòu)造的模糊控制器[J];北京師范大學學報(自然科學版);2007年02期

6 劉健莊;基于二維直方圖的圖象模糊聚類分割方法[J];電子學報;1992年09期

相關博士學位論文 前1條

1 汪慶淼;基于目標函數(shù)的模糊聚類新算法及其應用研究[D];江蘇大學;2014年

【共引文獻】

相關期刊論文 前10條

1 杜朵朵;吳成茂;;核空間廣義均衡模糊C-均值聚類算法[J];中國圖象圖形學報;2017年02期

2 崔西希;吳成茂;;核空間中智模糊聚類及圖像分割應用[J];中國圖象圖形學報;2016年10期

3 馬姣婷;賈世英;吳偉霖;;基于空間信息的直覺模糊C-均值圖像分割算法[J];計算機測量與控制;2016年09期

4 劉璐;吳成茂;;結(jié)合類內(nèi)和類間距離的可能聚類分割算法[J];中國圖象圖形學報;2016年09期

5 王惠;;基于空間信息約束改進的FCM圖像分割算法[J];寧波職業(yè)技術(shù)學院學報;2016年04期

6 何晶;吳成茂;;核空間隱馬爾可夫隨機場圖像模糊聚類[J];計算機工程與應用;2016年22期

7 侯遠韶;張瑤;;機器視覺中圖像分割問題研究[J];洛陽理工學院學報(自然科學版);2016年02期

8 聶陽;初秀民;劉興龍;;內(nèi)河AIS數(shù)據(jù)有效性分析方法對比[J];中國航海;2016年02期

9 劉璐;吳成茂;;基于類內(nèi)類間距離的模糊C-均值聚類分割算法[J];計算機工程與設計;2016年06期

10 王麗娟;吳成茂;劉繼紅;;基于樣本和屬性加權(quán)的二維FCM聚類分割法[J];計算機工程與設計;2016年06期

【二級參考文獻】

相關期刊論文 前9條

1 文傳軍;詹永照;柯佳;;廣義均衡模糊C均值聚類算法[J];系統(tǒng)工程理論與實踐;2012年12期

2 王熙照;崔芳芳;魯淑霞;;密度加權(quán)近似支持向量機[J];計算機科學;2012年01期

3 孫曉鵬;紀燕杰;李翠芳;魏小鵬;;三維網(wǎng)格模型增量式聚類檢索[J];計算機科學;2011年11期

4 譚慶;何清;趙衛(wèi)中;史忠植;;基于進化規(guī)劃的FCMBP模糊聚類改進方法[J];系統(tǒng)工程理論與實踐;2011年07期

5 彭家寅,侯健,李洪興;基于某些常見蘊涵算子的反向三I算法[J];自然科學進展;2005年04期

6 諸克軍,蘇順華,黎金玲;模糊C-均值中的最優(yōu)聚類與最佳聚類數(shù)[J];系統(tǒng)工程理論與實踐;2005年03期

7 侯健,尤飛,李洪興;由三I算法構(gòu)造的一些模糊控制器及其響應能力[J];自然科學進展;2005年01期

8 ;Fuzzy controllers based on some fuzzy implication operators and their response functions[J];Progress in Natural Science;2004年01期

9 李洪興;模糊控制的插值機理[J];中國科學E輯:技術(shù)科學;1998年03期

【相似文獻】

相關期刊論文 前10條

1 曹易;張寧;;一種改進的模糊C-均值聚類算法[J];上海理工大學學報;2012年04期

2 王圓妹;;一種改進的K-均值聚類算法的研究[J];長江大學學報(自科版);2006年10期

3 王圓妹;;一種改進的K-均值聚類算法的研究[J];長江大學學報(自科版)理工卷;2006年04期

4 劉韜;蔡淑琴;曹豐文;崔志磊;;基于距離濃度的K-均值聚類算法[J];華中科技大學學報(自然科學版);2007年10期

5 查成東;王長松;鞏憲鋒;周家新;;基于改進K-均值聚類算法的背景提取方法[J];計算機工程與設計;2007年21期

6 王丹丹;李彬;陳武凡;;基于多目標規(guī)劃的模糊C均值聚類算法[J];中國圖象圖形學報;2008年08期

7 俞云霞;王士同;朱嵬鵬;;具有數(shù)據(jù)容錯能力的模糊C均值聚類算法[J];計算機工程與設計;2010年03期

8 李翠霞;譚營軍;;一種新的模糊C均值聚類算法[J];河南大學學報(自然科學版);2011年02期

9 關慶;鄧趙紅;王士同;;改進的模糊C-均值聚類算法[J];計算機工程與應用;2011年10期

10 龐淑敬;彭建;;一種改進的模糊C均值聚類算法[J];微計算機信息;2012年01期

相關會議論文 前5條

1 孫廣玲;唐降龍;;一種快速k-均值聚類算法[A];第六屆全國計算機應用聯(lián)合學術(shù)會議論文集[C];2002年

2 陳曉山;朱建沖;翁輝;;一種改進的模糊C均值聚類算法及其應用[A];2011年全國電子信息技術(shù)與應用學術(shù)會議論文集[C];2011年

3 葛繼科;余建橋;張帆;張蕊;;改進的K-均值聚類算法[A];’2004計算機應用技術(shù)交流會議論文集[C];2004年

4 劉健莊;謝維信;;一種改進的快速模糊C均值聚類算法[A];中國系統(tǒng)工程學會模糊數(shù)學與模糊系統(tǒng)委員會第五屆年會論文選集[C];1990年

5 羅小剛;彭承琳;劉婷;侯長軍;霍丹群;文利;;基于模糊C均值聚類算法的心臟扭轉(zhuǎn)運動中心室壁輪廓的自動提取[A];中國儀器儀表學會醫(yī)療儀器分會第四次全國會員代表大會暨2009年學術(shù)年會論文集[C];2009年

相關碩士學位論文 前10條

1 劉莉莉;K-均值聚類算法的研究與改進[D];曲阜師范大學;2015年

2 王龍強;K均值聚類算法初始聚類中心的選取與改進[D];東北大學;2013年

3 梁鵬;基于Spark的模糊c均值聚類算法研究[D];哈爾濱工業(yè)大學;2015年

4 徐曼舒;基于改進人工蜂群的模糊C均值聚類算法研究[D];安徽大學;2016年

5 吳曉蓉;K-均值聚類算法初始中心選取相關問題的研究[D];湖南大學;2008年

6 趙爽;改進的模糊C均值聚類算法及其應用[D];東北大學;2010年

7 歐陳委;K-均值聚類算法的研究與改進[D];長沙理工大學;2011年

8 王威娜;改進的模糊C-均值聚類算法[D];大連海事大學;2007年

9 梁燁煒;K-均值聚類算法的改進及其應用[D];湖南大學;2012年

10 趙麗;全局K-均值聚類算法研究與改進[D];西安電子科技大學;2013年

，

本文編號：1678010