基于自组织神经网络与模糊算法的彩色图像聚类分割系统(PDF 57页)

1．1研究背景和课题来源
1．2国内外研究现状
1．3需要解决的问题
1．4论文的主要内容安排
1．ena
1．Gath与Geva认为数据是P．维的，正态分布的随机变量。
1．K均值法(K-means)
1．Xie．-Beni index：在本文中，主要使用)fie．Beni指数。它能够对聚类数目与
1．从一个很大的数目开始进行聚类，然后通过合并具有相似性的聚类簇来持
1．输入数据与神经元网格结构
1．非归一空间RGB，YIQ，YCC 电视
1．颜色空间的选择问题：
2 1 2自组织神经网络的学习算法
2 基于自组织神经网络与模糊算法的彩色图像聚类分割系统
2)具有最小的聚类数目。
2)计算模糊中心V，对i-l，2⋯．，c使用一．
22 基于自组织神经网络与模糊算法的彩色图像聚类分割系统
24 基于自组缄神经网络与模糊算法的彩色图像聚类分割系统
26 基丁自组织神经网络与模糊算法的彩色图像聚类分割系统
28 基丁二自组织神经网络与模糊算法的彩色图像聚类分割系统
2．1自组织特征映射神经网络与彩色图像聚类
2．1．1自组织特征映射神经网络的结构
2．1．3自组织神经网络在彩色图像聚类中的实现
2．2聚类算法与颜色数目和聚类中心的选取
2．2．1模糊C均值(FCM)聚类算法的基本概念
2．2．2 Gath．Geva(GG)算法的基本概念
2．2．3其它常见的聚类算法
2．3模糊算法的有效性
2．4本章小结
2．Davies．Bouldin Index(DB)：该指数计算聚类簇中的分散度之和与聚类簇
2．Gustafson．Kessel(G的算法
2．初始化权值
2．归一化空间La 6’
2．映射网络初始化问题：
2．根据不同的聚类数目N对数据进行聚类，然后利用有效性指数来获得好的
2．距离函数由后验概率间接按比例选择(非正态)，短的距离意味着高概率
3 3 2映射网络规模的最适化决策
..............................