搜索资源列表
FuzzyEntropyBasedPost-ProcessingMethodforC-MeanClu
- 提出了一种结合C2均值聚类算法和模糊熵的图像分割方法, 该方法先采用C2均值聚类算法对含噪图像进行初步分割, 再利用模糊熵准则作后续处理。该方法一方面能够继承C2均值聚类算法的优点, 可以灵活地用在基于多特征和多阈值的图像分割中, 另一方面充分考虑了图像的区域信息, 利用模糊熵最小作为准则, 对C2均值聚类算法初步分割结果的错分类点作了进一步的处理, 克服了C2均值聚类算法对噪声敏感的缺点。实验结果表明,本文方法在运算开销上只比C2均值聚类算法多4～ 6 s, 对于低信噪比的图像能够取得优于C2
xinxishangFCM
- 基于信息熵的快速模糊C均值聚类算法。提出了一中新的快速算法，效果很好。-Based on the information entropy fuzzy c-means algorithm quickly clustering algorithm. Put forward a new fast algorithm, the effect is very good.
yiqunjuliesuanfa
- 整个算法来自《一种利用信息熵的群体智能聚类算法》提供的算法-The whole algorithm from a swarm intelligence information entropy clustering algorithm algorithm
shangquanS
- Clustering of information entropy classification algorithm-聚类信息熵分类算法Clustering of information entropy classification algorithm
REC-FSA-master
- 利用信息熵聚类对故障多特征量进行特征选择(Feature selection by using information entropy clustering for multiple features of fault)
automatic_image_segement
- 本文以k-means算法为背景，引入信息熵相关知识，从而实现全自动分割图像。然而在利用混合高斯模型对图像进行数据分析时，会发生一定的过拟合现象，导致我们得不到预期的聚类数目。本文设计合理的合并准则，令模型简化，有效地消除过拟合现象，使得最后得到的聚类数目与预期符合。，设计合理的准则改进了图像的全自动分割方法，使得分割结果更加优化(In this paper, k-means algorithm is used as the background, and information entropy