細(xì)菌聚類算法及其在圖像分割問題中的研究與應(yīng)用.pdf

1、近年來,數(shù)據(jù)挖掘引起了信息產(chǎn)業(yè)界的極大關(guān)注。數(shù)據(jù)挖掘的目的就是從其應(yīng)用領(lǐng)域中提取出大量的數(shù)據(jù),通過數(shù)據(jù)挖掘技術(shù)將這些數(shù)據(jù)轉(zhuǎn)換成對(duì)本領(lǐng)域有顯著作用和深遠(yuǎn)意義的信息和知識(shí)。在數(shù)據(jù)挖掘技術(shù)中,聚類分析是一種比較廣泛的分析方法。
　　 模糊C-均值(FCM)聚類算法是非監(jiān)督模式識(shí)別中應(yīng)用最為廣泛的算法之一。模糊C均值算法有其天然的優(yōu)點(diǎn):算法結(jié)構(gòu)簡(jiǎn)單,原理簡(jiǎn)捷明了,計(jì)算量小,收斂速度快等。然而,FCM算法有其本身的不足:模糊C均值算法本身

2、并不具有智能性,只是單純的疊加計(jì)算,因此對(duì)算法的初始化要求很嚴(yán)格。在算法進(jìn)行前要明確聚類數(shù)目以及由于初始聚類中心的選擇不當(dāng),使結(jié)果極易陷入局部最小值等。
　　 本文就細(xì)菌覓食優(yōu)化算法進(jìn)行深入細(xì)致研究,通過十個(gè)測(cè)試函數(shù)驗(yàn)證了細(xì)菌覓食優(yōu)化算法的優(yōu)化能力,并對(duì)細(xì)菌算法進(jìn)行了自適應(yīng)步長(zhǎng)的改變。之后,將其與模糊聚類算法結(jié)合,用細(xì)菌覓食優(yōu)化算法優(yōu)化FCM算法的聚類準(zhǔn)則函數(shù),提出了一種基于模糊C均值算法和細(xì)菌覓食優(yōu)化算法的混合聚類算法(BF-

3、FCM)。該算法結(jié)合了細(xì)菌覓食優(yōu)化算法的全局搜索能力和FCM算法快速局部搜索的特點(diǎn),利用細(xì)菌算法中單個(gè)細(xì)菌的獨(dú)立搜索能力與多個(gè)細(xì)菌全局搜索能力,有效地克服了FCM對(duì)初始值敏感、易陷入局部最優(yōu)等問題,同時(shí)增強(qiáng)了跳出局部最優(yōu)的能力。實(shí)驗(yàn)表明,新算法得到的目標(biāo)函數(shù)值更小,聚類效果評(píng)價(jià)指數(shù)更好,聚類效果明顯優(yōu)于傳統(tǒng)的FCM算法。
　　 本文的另外一個(gè)重點(diǎn),是將提出的混合聚類算法應(yīng)用于圖像分割中。圖像分割是從輸入圖像中提取目標(biāo)或感興趣區(qū)域