头脑风暴算法优化的乳腺MR图像软子空间聚类算法

TP391.4; 传统的软子空间聚类算法在对信息量大、强度不均匀、边界模糊的乳腺MR图像进行分割时,易受初始聚类中心和噪声数据的影响,导致算法陷入局部最优,造成误分类.针对该问题,提出一种头脑风暴算法优化的乳腺MR图像软子空间聚类算法.算法首先引入一个放松界约束与广义噪声聚类结合的目标函数,并用隶属度计算方法来寻找簇类所在子空间;然后在子空间聚类时用给定指数来适配聚类任务;最后在聚类过程中运用头脑风暴算法进行优化,有效地平衡局部搜索与全局搜索,从而弥补现有算法易陷入局部最优的不足.对比算法与该算法在Berkeley图像数据集上的实验结果表明该算法具有较高的精度,临床乳腺MR图像聚类的实验结果验...

Full description

Saved in:
Bibliographic Details
Published in计算机科学与探索 Vol. 14; no. 8; pp. 1348 - 1357
Main Authors 范虹, 史肖敏, 姚若侠
Format Journal Article
LanguageChinese
Published 陕西师范大学 计算机科学学院,西安 710119 01.08.2020
Subjects
头脑风暴算法
图像聚类
乳腺MR图像
软子空间聚类算法
Online AccessGet full text

Cover

More Information
Summary:TP391.4; 传统的软子空间聚类算法在对信息量大、强度不均匀、边界模糊的乳腺MR图像进行分割时,易受初始聚类中心和噪声数据的影响,导致算法陷入局部最优,造成误分类.针对该问题,提出一种头脑风暴算法优化的乳腺MR图像软子空间聚类算法.算法首先引入一个放松界约束与广义噪声聚类结合的目标函数,并用隶属度计算方法来寻找簇类所在子空间;然后在子空间聚类时用给定指数来适配聚类任务;最后在聚类过程中运用头脑风暴算法进行优化,有效地平衡局部搜索与全局搜索,从而弥补现有算法易陷入局部最优的不足.对比算法与该算法在Berkeley图像数据集上的实验结果表明该算法具有较高的精度,临床乳腺MR图像聚类的实验结果验证了所提算法的鲁棒性.
ISSN:1673-9418
DOI:10.3778/j.issn.1673-9418.1909084