文献类型：期刊文章

作　　者：李海洋[1] 何红洲[1]

LI Haiyang;HE Hongzhou(School of Information Engineering,Mianyang Normal University,Mianyang Sichuan 621000,China)

机构地区：[1]绵阳师范学院信息工程学院,四川绵阳621000

出　　处：《智能计算机与应用》

基　　金：四川省教育厅重点项目(17ZA0209);绵阳师范学院项目(MYSY2017JC08;Mnu-JY1773)

年　　份：2018

卷　　号：8

期　　号：3

起止页码：45-49

语　　种：中文

收录情况：普通刊

摘　　要：K均值聚类在图像分割时精度较低且缺乏稳定性。人工蜂群算法在对K均值聚类进行优化后存在算法效率不高的缺点。针对以上问题,提出一种改进人工蜂群和K均值聚类的图像分割算法IABC-K。根据人工蜂群算法在蜜源更新和蜜源开采阶段的不同特点,对人工蜂群算法进行了改进。在蜜源更新阶段,采用了最优适应度关联的自适应邻域搜索机制,提高了蜜源更新速度;在蜜源开采阶段,采用了最优适应度关联的线性递减邻域搜索策略,提高了蜜源开采质量。实验结果表明:IABC-K算法在质量、效率和稳定性方面均优于其它类似算法。IABC-K算法可应用在质量和性能要求较高的图像处理领域。

关 键 词：人工蜂群 K均值聚类 图像分割 邻域搜索

分 类 号：TP391.41]