-
公开(公告)号：CN107220977B
公开(公告)日：2019-08-30
申请号：CN201710419397.1
申请日：2017-06-06
申请人： 合肥工业大学
摘要： 本发明公开了一种基于模糊聚类的有效性指标的图像分割方法，包括：1利用模糊C均值聚类算法进行分类；2建立目标函数，判断是否符合终止条件或达到最大迭代次数；3初始化并更新隶属度矩阵和聚类中心；4计算紧致性和分离性，得到指标值；4在指标值的极大值处取得最佳聚类数。本发明能对像素点集合进行准确的划分，且适用于复杂、重叠、有噪声点的像素集合，从而能对图像进行良好的分割。
-
公开(公告)号：CN108897816B
公开(公告)日：2022-03-15
申请号：CN201810636688.0
申请日：2018-06-20
申请人： 合肥工业大学
IPC分类号： G06F16/34
摘要： 本发明公开了一种面向问题求解的菱形双向思维导图，其菱形双向思维导图包括参与者驱动的双向思维导图和解驱动的双向思维导图，是观点的发散到收敛的过程；参与者驱动的双向思维导图为发散导图，解驱动的双向思维导图为收敛导图；发散导图和收敛导图合在一起构成菱形双向思维导图。本发明将问题的协同讨论过程清晰展示在参与者面前，使观点、原因和解更为清晰，讨论过程中提出的所有观点都被记录下来并显示出来，使一些好的想法会能启发其他参与者，能有效地帮助参与者从全局角度理解问题，更好地控制复杂的讨论过程，弥补人们思维深度和广度的不足，使参与者能够更有效地思考，获得更好的解决问题的方案。
-
公开(公告)号：CN107220977A
公开(公告)日：2017-09-29
申请号：CN201710419397.1
申请日：2017-06-06
申请人： 合肥工业大学
摘要： 本发明公开了一种基于模糊聚类的有效性指标的图像分割方法，包括：1利用模糊C均值聚类算法进行分类；2建立目标函数，判断是否符合终止条件或达到最大迭代次数；3初始化并更新隶属度矩阵和聚类中心；4计算紧致性和分离性，得到指标值；4在指标值的极大值处取得最佳聚类数。本发明能对像素点集合进行准确的划分，且适用于复杂、重叠、有噪声点的像素集合，从而能对图像进行良好的分割。
-
公开(公告)号：CN108897816A
公开(公告)日：2018-11-27
申请号：CN201810636688.0
申请日：2018-06-20
申请人： 合肥工业大学
IPC分类号： G06F17/30
摘要： 本发明公开了一种面向问题求解的菱形双向思维导图，其菱形双向思维导图包括参与者驱动的双向思维导图和解驱动的双向思维导图，是观点的发散到收敛的过程；参与者驱动的双向思维导图为发散导图，解驱动的双向思维导图为收敛导图；发散导图和收敛导图合在一起构成菱形双向思维导图。本发明将问题的协同讨论过程清晰展示在参与者面前，使观点、原因和解更为清晰，讨论过程中提出的所有观点都被记录下来并显示出来，使一些好的想法会能启发其他参与者，能有效地帮助参与者从全局角度理解问题，更好地控制复杂的讨论过程，弥补人们思维深度和广度的不足，使参与者能够更有效地思考，获得更好的解决问题的方案。
-
公开(公告)号：CN105894024A
公开(公告)日：2016-08-24
申请号：CN201610194776.0
申请日：2016-03-29
申请人： 合肥工业大学
IPC分类号： G06K9/62
CPC分类号： G06K9/6221
摘要： 本发明公开了一种基于多重核的可能性模糊c均值聚类算法，其特征是按如下步骤进行：1对样本集合进行最优划分，使得目标函数值最小；2获得初始隶属度矩阵和初始化聚类中心；3迭代获得隶属度值、聚类中心和典型值；4获得引入权重指数之后的目标函数。本发明能准确的规避FCM对噪声点比较敏感以及PCM容易产生一致性聚类的问题，从而能进一步增加算法的准确性，同时能发现最适合权重值以及当前隶属度值的大小，进而提高算法的可靠性和收敛性。
-
公开(公告)号：CN108763590B
公开(公告)日：2021-07-27
申请号：CN201810636707.X
申请日：2018-06-20
申请人： 合肥工业大学
IPC分类号： G06K9/62
摘要： 本发明公开了一种基于双变加权核FCM算法的数据聚类方法，首先对数据集合进行最优划分，使得目标函数最小；获得初始隶属度矩阵，典型值矩阵和初始聚类中心；计算多核高维空间中数据点和聚类中心的距离；迭代获得隶属度值，可能性典型值；以使目标函数得到最小值对应的聚类结果作为最终聚类结果。本发明采用组合核引导的核函数代替普通的欧式距离函数，能更好地划分线性数据和非线性数据；采用典型值矩阵来增强算法的抗噪性，提高算法聚类的准确率，可自动调整多种核在组合核中的比例来满足不同数据集对不同核函数的要求，解决了普通核算法对核函数选择的不确定问题。
-
公开(公告)号：CN108763590A
公开(公告)日：2018-11-06
申请号：CN201810636707.X
申请日：2018-06-20
申请人： 合肥工业大学
IPC分类号： G06F17/30
摘要： 本发明公开了一种基于双变加权核FCM算法的数据聚类方法，首先对数据集合进行最优划分，使得目标函数最小；获得初始隶属度矩阵，典型值矩阵和初始聚类中心；计算多核高维空间中数据点和聚类中心的距离；迭代获得隶属度值，可能性典型值；以使目标函数得到最小值对应的聚类结果作为最终聚类结果。本发明采用组合核引导的核函数代替普通的欧式距离函数，能更好地划分线性数据和非线性数据；采用典型值矩阵来增强算法的抗噪性，提高算法聚类的准确率，可自动调整多种核在组合核中的比例来满足不同数据集对不同核函数的要求，解决了普通核算法对核函数选择的不确定问题。
-
公开(公告)号：CN106846326A
公开(公告)日：2017-06-13
申请号：CN201710035903.7
申请日：2017-01-17
申请人： 合肥工业大学
IPC分类号： G06T7/10
摘要： 本发明公开了一种基于多核局部信息FCM算法的图像分割方法，其特征是按如下步骤进行：1对像素集合进行最优划分，使得目标函数值最小；2获得初始隶属度矩阵和初始化聚类中心；3迭代获得隶属度值和聚类中心；4获得引入权重指数之后的目标函数。本发明能准确的规避FCM对噪声点比较敏感以及普通核算法对于核函数选择的不确定性问题，同时能发现最适合权重值以及当前隶属度值的大小，进而提高算法的可靠性和收敛性，并应用于图像分割中，可以得到效果良好的图像分割结果。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.066 秒)
