图像分割是图像处理和图像识别领域的重要研究内容之一。目前成熟的分割算法中,对于具有纹理、背景复杂或受噪声污染的图像分割效果不佳。针对这些问题,在模糊C均值聚类算法基础上,Lei等人;提出了一种快速鲁棒的模糊C均值算法(Fast and ...图像分割是图像处理和图像识别领域的重要研究内容之一。目前成熟的分割算法中,对于具有纹理、背景复杂或受噪声污染的图像分割效果不佳。针对这些问题,在模糊C均值聚类算法基础上,Lei等人;提出了一种快速鲁棒的模糊C均值算法(Fast and Robust Fuzzy C-means Clustering Algorithm,FrFCM)。通过在合成噪声图像和少数民族服饰图像上的分割来验证FrFCM算法的性能。实验结果表明,该算法能够以较低的计算代价和较高的分割精度实现对民族服饰图像的良好分割,同时具有较强的抗噪性。展开更多
针对最小二乘双参数间隔支持向量机(LSTPMSVM)对噪声敏感且在分类过程中易受异常值影响的问题,提出了一种鲁棒的模糊最小二乘双参数间隔支持向量机算法(RFLSTPMSVM).该算法利用松弛变量的2范数使得优化问题具有强凸性,再根据隶属度为每...针对最小二乘双参数间隔支持向量机(LSTPMSVM)对噪声敏感且在分类过程中易受异常值影响的问题,提出了一种鲁棒的模糊最小二乘双参数间隔支持向量机算法(RFLSTPMSVM).该算法利用松弛变量的2范数使得优化问题具有强凸性,再根据隶属度为每个样本分配相应的权重,有效降低异常值带来的影响.同时,在目标函数中引入K-近邻加权,考虑样本之间的局部信息,提高模型的分类准确率.此外,通过求解简单的线性方程组来优化该算法,而不是求解二次规划问题,使模型具有较快的计算速度.在UCI(university of California irvine)数据集上对该算法进行性能评估,并与TWSVM、LSTSVM、LSTPMSVM和ULSTPMSVM 4种算法进行比较.数值实验结果表明,该算法具有更好的泛化性能.展开更多
文摘针对最小二乘双参数间隔支持向量机(LSTPMSVM)对噪声敏感且在分类过程中易受异常值影响的问题,提出了一种鲁棒的模糊最小二乘双参数间隔支持向量机算法(RFLSTPMSVM).该算法利用松弛变量的2范数使得优化问题具有强凸性,再根据隶属度为每个样本分配相应的权重,有效降低异常值带来的影响.同时,在目标函数中引入K-近邻加权,考虑样本之间的局部信息,提高模型的分类准确率.此外,通过求解简单的线性方程组来优化该算法,而不是求解二次规划问题,使模型具有较快的计算速度.在UCI(university of California irvine)数据集上对该算法进行性能评估,并与TWSVM、LSTSVM、LSTPMSVM和ULSTPMSVM 4种算法进行比较.数值实验结果表明,该算法具有更好的泛化性能.
