10.3778/j.issn.1002-8331.1209-0055
基于模糊C均值聚类的医学图像分割研究
模糊C均值聚类算法(FCM)在硬C均值聚类的基础上有效地解决了医学图像分割中存在的模糊情况,通过建立表示图像中像素点与聚类中心加权相似度的目标函数,采用迭代优化的方法求解目标函数的极小值来确定最佳聚类。针对FCM算法中存在的对大样本数据分割速度慢、结果易受初始值影响、对噪声敏感、难以适应多种数据分布等缺陷,涌现出了大量的改进算法。对其中的部分改进算法进行综述,主要介绍快速FCM算法、基于初始值选取的FCM算法、基于空间邻域信息的FCM算法以及基于核函数的FCM算法等,并对其优缺点进行概要的总结和介绍。指出该算法进一步的研究方向。
模糊C均值聚类、医学图像分割、核函数、空间信息
TP391.72(计算技术、计算机技术)
陕西省科学技术研究发展计划项目No.2012K06-36;中央高校基本科研业务费自由探索项目No.GK201102006。
2014-02-27(万方平台首次上网日期,不代表论文的发表时间)
共8页
144-151