一种基于决策粗糙集的模糊C均值聚类数的确定方法

摘要：

Fuzzy C-Means(FCM)是模糊聚类中聚类效果较好且应用较为广泛的聚类算法,但是其对初始聚类数的敏感性导致如何选择一个较好的C值变得十分重要.因此,确定FCM的聚类数是使用FCM进行聚类分析时的一个至关重要的步骤.通过扩展决策粗糙集模型进行聚类的有效性分析,并进一步确定FCM的聚类数,从而避免了使用FCM时不好的初始化所带来的影响.文中提出了一种基于扩展粗糙集模型的模糊C均值聚类数的确定方法,并通过图像分割实验来验证聚类的效果.实验通过比对不同聚类数下分类结果的代价获得了一个较好的分割结果,并将结果与Z.Yu等人于2015年提出的蚁群模糊C均值混合算法(AFHA)以及提高的AFHA算法(IAFHA)进行对比,结果表明所提方法的聚类结果较好,图像分割效果较明显,Bezdek分割系数比AFHA和IAFHA算法的更高,且在Xie-Beni系数上也有较大优势.

关键词：模糊C均值、决策粗糙集、图像分割

所属期刊栏目：44

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金61672276;江苏省自然科学基金BK20161406

在线出版日期：2017-10-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：45-48,66