基于模糊聚类的彩色图像分割方法的研究

基于SAR图像灰度特征的谱聚类分割，用matlab实现，先用harr小波做处理，后用谱聚类算法，对图像进行分割

(matlab)基于正余弦算法的进化聚类图像分割目标函数：簇内距离用距离测度图像特征：3个特征（R，G，B值） 它还包含一个基于矩阵的示例，其中包含大小为15的输入样本和2个特征

为了探讨K-means算法应用于图像分割时在不同颜色空间中的聚类效果,选用了不同分辨率的多对图像进行研究,分析了基于RGB和YUV颜色空间的分割结果,并提出一种新的混合模型,即在YUV聚类距离公式中引

针对彩色图像多阈值分割中阈值个数自动确定困难和优化时间长的问题,首先提出一种新的HSV空间中彩色图像投影预处理方法,然后计算待分割图像的颜色粗糙度,并根据颜色粗糙度确定图像分割的阈值数量,为提高分割效

提出了一种基于模糊C均值算法和生物地理学优化算法的混合聚类算法(BBO-FCM).该算法结合了生物地理学优化算法的全局搜索和FCM算法快速局部搜索的特点，利用生物地理中的迁移算子来进行各解之间的信息共

情节规划，指的是理解一段特定的文本，并将其转变成一定情节的故事的过程。目前对情节规划的研究主要针对包含文字较多的小说或故事，而并没有针对中文短信进行的情节规划。情节规划方法是基于中文短信的三维动画情节

基于模糊聚类和格子玻尔兹曼方法的快速鲁棒水平集图像分割方法

为了克服聚类算法对灰度不均匀和有噪声的医学图像分割存在鲁棒性较差等缺点，提出一种基于核密度估计的密度聚类方法分割医学图像。在分析DENCLUE密度聚类算法的思想及爬山策略存在的三个问题的基础上，改进了

针对图像分割的性能分析问题，运用灰色聚类决策技术建立一种多层次的综合评估方法。该方法通过图像多个分割指标的特点，得到合适的白化函数，再通过白化函数和灰色聚类权值的分析计算，将收集到的分散信息生成灰色聚

1 K-Means聚类 K-Means聚类是最常用的聚类算法,最初起源于信号处理,其目标是将数据点划分为K个类簇,找到每个簇的中心并使其度量最小化。该算法的最大优点是简单、便于理解,运算速度较快,缺点