文献类型：期刊文章

作　　者：王丰斌[1]

WANG Feng-bin(School of Information Engineering,Xinyang Agriculture and Forestry University,Xinyang 464000,China)

机构地区：[1]信阳农林学院信息工程学院

出　　处：《沈阳工业大学学报》

基　　金：河南省科技攻关项目(182102210532)

年　　份：2019

卷　　号：41

期　　号：4

起止页码：427-432

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、EI、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对图像分割中K均值算法全局搜索能力差、初始聚类中心选择敏感的问题,提出了一种将自适应人类优化算法与K均值算法相结合的聚类算法.该算法利用自适应人类学习优化算法初始化聚类中心,提高K均值算法的稳健性.结果表明,该算法聚类得到的标准差相比传统K均值算法和基于粒子群K均值(PSO-Kmeans)算法分别小两个数量级和一个数量级,同时图像分割得到的PSNR值均较高,具有算法收敛速度更快,聚类质量更好,图像分割效果更好,适应性更强的优点.

关 键 词：均值 图像分割 自适应人类学习优化算法  粒子群 聚类 迭代  全局搜索 智能算法  

分 类 号：TP391]