為提高K-means算法全局搜索能力,提升聚類效果,提出一種基于近似骨架和混合蛙跳算法的K-means方法。該方法首先利用經(jīng)典的混合蛙跳算法取代K-means算法中原有迭代公式,獲得更優(yōu)秀的聚類結果;然后對獲得的聚類結果,使用基于近似骨架和混合蛙跳算法的K-means算法不尋找聚類中心,而是直接對簇的劃分進行修改。UCI數(shù)據(jù)集實驗結果表明,使用改進的聚類算法獲得的聚類結果,較其他算法結果更為優(yōu)秀。最后將改進后的聚類算法應用到醫(yī)學眼底病歷圖像中,可以得到較好的血管切割效果。

【文章頁數(shù)】：7 頁

【文章目錄】：
1 K-means算法核心思想
2 改進的混合蛙跳算法
    2.1 算法概述
    2.2 算法分析
3 基于近似骨架的改進SFLA-Kmeans算法
    3.1 算法概述
    3.2 算法分析
4 眼底病歷圖像相關介紹
    4.1 眼底病歷圖像概述
    4.2 血管分割相關技術及問題
5 實驗部分
    5.1 實驗環(huán)境
    5.2 實驗結果及分析
        5.2.1 評價指標
        5.2.2 實驗結果
        5.2.3 結果分析
6 結論



本文編號：3811050