基于特征选取的局部模糊聚类算法研究

摘要

为了增强模糊局部信息C均值聚类算法的鲁棒性和分割性能,提出一种基于特征选取的模糊局部信息C均值聚类算法.在现有的模糊局部信息C均值聚类算法基础上,对其目标函数的局部邻域约束项添加邻域隶属度约束,并将特征选取的思想引入该目标函数,并利用KL散度作为正则项因子,获得一种新的鲁棒模糊聚类算法.对算法迭代所获得的像素隶属度进行局部中值滤波,再采用最大隶属度准则实现像素归类得到最终分割结果.实验结果表明,文中算法相比现有的FLICM算法具有更好的分割性能和抗噪鲁棒性.