模糊聚類是一種重要的無監(jiān)督學習方法,在多個科學和工程領域有著廣泛的應用。模糊C均值算法作為一種重要的模糊聚類算法,因其高效性和實用性成為無監(jiān)督學習的研究熱點之一,但該算法對隸屬度設置了歸一化約束,導致其對噪聲和孤立點較為敏感,從而影響到算法的聚類性能。針對這一問題,本文從放松隸屬度歸一化約束條件的角度出發(fā),研究了基于隸屬度修正的模糊C均值聚類算法。所提算法中,首先將模糊C均值聚類算法對單個樣本隸屬度之和的歸一化約束放松為對所有樣本隸屬度總和的約束,進而降低算法對噪聲和孤立點的敏感度;其次,針對放松約束之后隸屬度相差過大的問題,提出了新的隸屬度修正方法。所提方法能夠將隸屬度修正到合理范圍內(nèi),有效避免了某些樣本隸屬度過大導致其自成一類,還能避免因隸屬度過小導致算法迭代終止閾值難以選取的問題,并能保證算法迭代過程中始終滿足對所有樣本隸屬度總和的約束。仿真實驗表明,與其它基于隸屬度修正的聚類算法相比,所提算法在UCI數(shù)據(jù)集上取得了更為準確的聚類結果。進一步地,由于圖像處理是模糊聚類算法的最重要應用之一,本文將所提算法應用于圖像分割問題,來驗證算法性能。首先,為了詳細刻畫圖像,采用像素灰度值、鄰... 

【文章來源】：大連理工大學遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：58 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 模糊C均值聚類算法的研究現(xiàn)狀
        1.2.1 加權指數(shù)m的研究
        1.2.2 對不同形式數(shù)據(jù)集的聚類研究
        1.2.3 聚類算法實現(xiàn)途徑的研究
        1.2.4 針對隸屬度修正的研究
    1.3 模糊聚類算法在圖像處理中的應用
    1.4 本文的研究工作及結構
2 FCM算法及相關隸屬度修正算法分析
    2.1 模糊C均值聚類算法
    2.2 相關隸屬度修正算法分析
        2.2.1 改進模糊劃分的FCM算法
        2.2.2 一般化的改進模糊劃分的FCM聚類算法
        2.2.3 改進隸屬度函數(shù)的FCM聚類算法
        2.2.4 其它基于隸屬度修正的聚類算法
    2.3 本章小結
3 放松隸屬度約束條件的改進模糊C均值聚類算法
    3.1 隸屬度約束條件放松及修正方法
    3.2 隸屬度修正方法的具體實現(xiàn)及所提算法流程
    3.3仿真實驗
        3.3.1 實驗數(shù)據(jù)
        3.3.2 數(shù)值實驗結果
        3.3.3 實驗結果分析
    3.4 本章小結
4 MC-FCM算法在圖像分割中的應用
    4.1 基于聚類的圖像分割算法
    4.2 本文算法在圖像分割中的應用
        4.2.1 圖像特征的選取
        4.2.2 聚類數(shù)目的確定
        4.2.3 實驗結果分析
    4.3 本章小結
5 結論與展望
    5.1 結論
    5.2 展望
參考文獻
致謝


【參考文獻】：
期刊論文
[1]基于改進的Gabor濾波和區(qū)域生長的目標檢測[J]. 王雨,戴曙光.  電子測量技術. 2019(04)
[2]圖像分割方法綜述[J]. 侯紅英,高甜,李桃.  電腦知識與技術. 2019(05)
[3]基于小波變換與FCM的甲骨文字圖像分割[J]. 何穎,何曉菊,張鋼.  天津科技大學學報. 2018(06)
[4]基于核函數(shù)與馬氏距離的FCM圖像分割算法[J]. 王燕,亓祥惠,段亞西.  計算機應用研究. 2020(02)
[5]自適應特征選取的魯棒模糊聚類分割算法[J]. 吳成茂,白鷺.  小型微型計算機系統(tǒng). 2018(08)
[6]基于模糊聚類的神經(jīng)網(wǎng)絡模型研究及應用[J]. 鈕永莉,陳暉,魏光杏.  韶關學院學報. 2018(06)
[7]基于樣本模糊隸屬度歸n化約束的松弛模糊C均值聚類算法[J]. 文傳軍,詹永照.  科學技術與工程. 2017(36)
[8]基于自動聚類和自回歸模型的時間序列預測[J]. 王威娜,王嚴東.  吉林化工學院學報. 2017(11)
[9]空間加權模糊C均值聚類圖像分割算法[J]. 李小和,屈展,王魁生,盧勝男.  西安石油大學學報(自然科學版). 2017(05)
[10]基于核空間的加權鄰域約束直覺模糊聚類算法[J]. 張潔玉,李佐勇.  電子與信息學報. 2017(09)

博士論文
[1]屬性加權及不完備數(shù)據(jù)的模糊聚類方法研究[D]. 李丹.大連理工大學 2011

碩士論文
[1]基于模糊聚類的圖像分割方法的研究[D]. 謝德武.電子科技大學 2017
[2]基于聚類分析的圖像處理技術[D]. 王少華.江南大學 2016
[3]基于模糊C均值聚類的圖像分割算法研究[D]. 鄭福華.山東大學 2014



本文編號：3488275