论文部分内容阅读
尽管广义Ⅱ型模糊C均值聚类算法将Ⅱ型模糊集引入到模糊C均值聚类(FCM)中以提升算法对复杂数据的分类性能,然而该方法忽略了数据的空间分布信息,导致算法在图像分割中的鲁棒性较差.针对该问题,提出一种基于邻域信息的广义Ⅱ型模糊C均值聚类算法.该算法利用高斯函数作为语言模糊项参数,并利用语言模糊项参数构建带有模糊因子的二级模糊隶属度函数,通过整合图像的空间邻域信息以优化目标函数,最后通过迭代寻优以实现图像的准确分割.实验结果表明,该算法能够利用二级模糊隶属度实现更好的图像分割效果,分割结果优于改进的FCM