基于直觉模糊的ISODATA算法.doc

基于直觉模糊的ISODATA算法.doc:..基于直觉模糊的ISODATA算法李前进,王寅龙,王希武,林克成(军械工程学院计算机工程系,河北石家庄050003)摘要:近年来模糊的概念越来越多的被引入到图像分割领域,但是传统的模糊理论有其固有缺陷,而直觉模糊是对传统模糊理论的有效扩展。常用的聚类算法,都是建立在类别数目已知的基础上。常常造成分类结果的不合理。ISODATA算法能自动的进行类的分裂和合并,本文结合直觉模糊和ISODATA算法优点,通过减少样本数,改进隶属度函数,提出了一种基于直觉模糊的ISODATA算法,并将其应用到图像分割,经实验验证对比证明了算法的有效性。关键词:,模糊聚类由于比直接的硬聚类算法能保留更多的原始图像信息,更符合人类识别****惯而受到越来越多的重视。但大多数模糊识别方法都需要首先设置类别数目,当类别数未知的情况下常常不能得到期望的分类效果oISODATA算法能自动的进行类的分裂和合并,从而得到较为合理的聚类。传统的模糊聚类有其固有缺陷,直觉模糊是对原有模糊的最好扩展。本文结合直觉模糊和ISODATA算法优点,利用空间连贯性以区域代替单个像素,分析像素分布确定了新的隶属度函数,提出了一种基于直觉模糊的ISODATA聚类算法。通过实验对比,取得了较好的效果,验证了算法的有效性。,被很多人认为是解决人工智能问题的最合适的数学工具。但传统的模糊理论有其固有的缺陷,如某个元素对某几类的隶属度相等的情况下很难对这个元素做出准确分类。直觉模糊是对传统模糊理论的扩展。设X是一个给定论域,X上的一个直觉模糊集A定义为{vx,L(x),入⑴〉},其中印⑴:xT[0,1]是X对A的隶属度函数,乙3):Xt|0,1]是X对A的非隶属度函数,表示X不属于A的程度,且0<(x)+y4(x)<1,VxGXC对X中的子集A称勿4⑴ -右⑴为尤对A的直觉指数,它表示人对A的犹豫程度的一种度量。则判断X是否属于A时,对应于直觉模糊子集A,综合考虑隶属度和非隶属度的影响,引入判定函数丁(p)=即人⑴+g⑴,a,&分别为隶属度函数和直觉指数的合成加权系数。,它不是每调整一个样本的类别就重新更新一次各类样本的聚类中心,而是在每次把全部样本都调整完毕后才重新计算一次样本的聚类中心,是一种成批样本修正法。ISODATA算法不仅能通过调整样本所属类别完成分类,而且还能自动进行类的合并和分裂,从而得到类数较为合理的聚类,除此之外,此算法还对噪声有良好的抑制能力。ISODATA算法的步骤如下:设有N个样本组成的样本集合{力*,・・枷},设定控制参数:期望得到的聚类数K,一个聚类中的最少样本e,v,标准偏差参数织,合并参数/,每次迭代允许合并的最大聚类数允许迭代的次数设初始的聚类数为C,初始聚类中心为叫,i=】2..,c。步骤I按照关系若|何-%||〈|卜-俱.||,。若有任何一个厂/的基数(所属样本的个数)Nj<0N,则舍去厂/,并令c=c-]o步骤2按照m.=—Yy更新聚类中心。。计算所有样NJ步骤3计算厂,•中各