基于Mean Shift聚类的图像分割研究

聚类旨在将给定的数据点集合分为多个聚类,而无需借助任何先验知识。 由于其在数据挖掘中的重要应用,已经开发了许多用于聚类的技术。 作为最流行的现代聚类算法之一,频谱聚类易于实现,可以通过标准的线性代数软

针对传统模糊C-均值聚类算法对初始值和噪声敏感的缺点，提出了一种基于多链量子蜂群算法的模糊C-均值聚类算法。首先，将多链拓展编码方案应用到量子蜂群算法中，提出了多链量子蜂群算法；其次，利用多链量子蜂群

利用Learn思想对Cascade组合分类器进行了改进，提出了一种基于Cascade的增量式组合分类算法，并将之应用到肝脏图像的分类中。实验结果表明，与原有组合分类器相比，该增量式组合分类方法可以在保

针对模糊C-均值聚类算法需预先给出初始聚类中心、未考虑邻域信息、计算复杂度高等缺点，提出了一种基于分水岭和改进的模糊聚类图像分割方法。该方法首先利用分水岭分割方法对原图像进行预分割，然后利用粒子群的全

基于模糊C均值聚类的岩石节理图像分割方法，谭嘉玉，钱鹰，岩石节理裂隙形状复杂且无规则，图像中带有大量噪声，利用传统的图像分割方法很难达到很好的分割效果。本文提出了一种改进的模糊

针对有偏场环境下带有光栅的散焦图像分割问题，提出了一种新的基于有偏场估计的模糊聚类分割算法。通过建立依赖于有偏场的模糊聚类目标函数，导出了基于灰度以及邻域灰度均值的聚类中心、模糊聚类函数以及有偏场估计

数据驱动的软测量建模的基础是大量可靠而准确的工业现场数据，因此数据预处理是软测量建模的重要任务。提出将小波系数软硬阈值折中方法应用于去除噪声干扰所产生的随机误差，即通过增加一个权值的应用，以综合软阈值

传统的聚类图像分割方法一般仅仅利用图像中的灰度信息。为了更好地利用图像中的区域和边缘信息，提出一种基于分水岭过分割的多目标模糊核聚类图像分割算法。该算法采用分水岭算法获得图像的过分割区域，采用多目标模

模糊C-均值聚类算法(FCM)是一种结合模糊集合概念和无监督聚类的图像分割技术，适合灰度图像中存在着模糊和不确定的特点;但该算法受初始聚类中心和隶属度矩阵的影响，易陷入局部极小。利用混沌非线性动力学具

将聚类网络用于非监督的图像分割，提出了竞争层神经元的动态调整机制和返回式的非重复训练学习方案，实现了聚类数的自适应增加，解决了随机生成权值矩阵产生的死点问题，提高了算法的收敛性能。实验结果表明，改进的