29、多目标聚类算法在图像分割与信号分类中的应用

多目标聚类算法在图像分割与信号分类中的应用

多目标差分清晰聚类在图像分割中的应用

在图像分割领域,提出了一种多目标差分清晰聚类(DMODCC)算法,并将其与另外两种自动图像分割算法(ACDE和GCUK)进行了比较。为了使性能评估和比较有意义且有效,使用的测试图像均为真实生活中的灰度图像,并且每幅图像都有手动分割的对应图像(即真实图像)。

性能评估指标

采用了两种著名的内部聚类有效性度量:Minkowski分数和总体准确率,来评估参考图像与最终分割结果之间的相似度。

实验结果

进行了50次独立运行,得到了三种算法找到的类数的均值和标准差,以及成功找到正确类数的运行百分比,具体数据如下表所示:
| 图像 | 最优聚类数 | DMODCC | ACDE | GCUK |
| — | — | — | — | — |
| Test_Image_1 | 4 | 4.08 ± 0.014 / 88% | 4.38 ± 0.152 / 78% | 4.78 ± 0.225 / 44% |
| Test_Image_2 | 4 | 4.02 ± 0.063 / 96% | 4.33 ± 0.504 / 75% | 4.97 ± 0.847 / 49% |
| Test_Image_3 | 5 | 5.16 ± 0.101/ 90% | 5.89 ± 0.137/ 61% | 4.95 ± 0.295 / 43% |

同时,在30次成功运行中计算了MS指数和总体准确率(%)的均值和标准差,结果如下表:
| 图像 | 聚类有效性度量 | DMODCC | ACDE | GCU

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值