摘要:针对传统的模糊C均值(Fuzzy C-Means,FCM)及其改进算法对样本进行聚类时存在对噪声敏感及边界样本聚类不够准确等问题,该文提出一种基于空间相关性模糊C均值聚类改进算法。首先分析样本的空间分布特征及相互影响,设计样本的影响值来改进聚类中心计算方法及距离计算函数,然后结合邻域信息,通过在邻域内样本隶属度求和过程中引入一控制参数来重新定义模糊隶属度矩阵,从而实现邻域样本的隶属平滑。理论分析和实验表明,改进算法对含有大量噪声的样本及图像中各区域边界值的处理有较好的效果。
关键词:空间相关性 隶属度平滑 模糊c均值 空间距离 控制参数
单位:
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社