模糊逻辑和谱聚类的字符图像分割

为了从复杂背景中有效分离出字符图像,提出了一种基于模糊逻辑的谱聚类字符图像分割方法.利用最大信息熵准则获得模糊函数的参数,将原始图像模糊化;在模糊后的图像上建立像素间的相似矩阵,文本图像的纹理、灰度及像素间的距离是定义相似函数的依据,计算相似矩阵最小特征值对应的特征向量,并对其聚类划分;利用分类后的特征向量对相似矩阵进行划分,进而实现原图像的分割.实验结果表明:本文方法优于一般的阈值化分割方法,能够有效处理背景复杂的自然场景文本图像.     

基于加权多核子空间聚类的图像分割方法

为了解决单核子空间聚类算法在图像分割任务中无法较好地处理数据非线性结构和噪声等问题，提出了一种基于非凸低秩子空间聚类的图像分割方法。首先，采用自适应形态学重构种子分割方法对梯度图像进行逐点最大值运算，将图像预分割为不同区域大小的超像素图像，弥补了超像素分割算法过度分割的缺陷；其次，对超像素块进行颜色特征提取，并堆叠成数据矩阵输入到多核子空间聚类算法中；再根据子空间表示求解系数矩阵，进而构造出亲和矩阵；最后，输入谱聚类中得到最终的分割结果。在公共数据集上的对比实验结果表明，所提方法取得了最佳的聚类性能和分割效果。     

联合模型初始化独立谱聚类算法

针对原始谱聚类算法初始化敏感的缺点,提出了一种基于联合模型的初始化独立谱聚类算法并将其用于图像分割．通过引入联合模型可以充分利用待聚类数据所包含的空间邻近信息和特征相似性信息,得到更精确的聚类结果;通过引入K-调和平均算法克服了原始谱聚类算法对初始化的敏感性,从而得到更稳定的聚类性能．最后,通过对纹理图像和合成孔径雷达图像分割验证了新算法的有效性．     

基于灰度和空间特性的谱聚类图像分割

为了克服谱聚类图象分割方法性能容易受到图像大小和相似性测度的影响,提出一种基于灰度和空间特性的谱聚类图像分割算法。该算法不对图像中的像素之间建立相似性,而是利用各个像素的灰度在图像中的分布信息和像素点的空间邻接信息建立灰度之间的相似关系,通过对图像中灰度的分类进而获得原始图像的分割结果。因此,该算法不会受到图像大小的限制,无论对于多大的图像,相似性矩阵的大小都是小于等于256×256。Berke-ley基准图像数据集上的分割仿真实验验证了该方法的有效性。     

大规模数据集的多层聚类算法

针对大多谱聚类算法由于计算复杂度高而不适于大规模数据的问题,提出了一种能处理大规模数据集的多层算法。该算法把海量数据根据一定的相关性逐级分组成小数据集,再对分组后的小数据集用谱聚类算法进行聚类,最后利用权核K均值聚类逐级微调,完成全部数据的聚类。通过对UCI数据库中的数据集和图像分割的仿真实验,结果表明该算法的聚类效果很好。     

基于差分粒子群和模糊聚类的彩色图像分割算法

彩色图像数据信息量较大,传统的模糊C均值聚类算法（FCM）在分割时更加容易受到初始聚类中心影响陷入局部极值．文中研究了一种融合差分演化、粒子群和模糊均值聚类的彩色图像分割算法（DEPSO—FCM）．利用差分演化算法的快速收敛特性、粒子群算法的全局搜索能力,解决模糊均值聚类图像分割时易受到初始聚类中心影响和陷入局部最优的问题。同时针对不同的色彩空间对于图像分割效果的影响,尝试在不同的空间上使用DEPSO-FCM进行图像分割．实验表明,该方法能解决FCM算法陷入局部最优的问题,在不同的色彩空间上都获得了理想的分割效果．     

基于差分粒子群和模糊聚类的彩色图像分割算法

彩色图像数据信息量较大,传统的模糊 C 均值聚类算法（FCM）在分割时更加容易受到初始聚类中心影响陷入局部极值. 文中研究了一种融合差分演化、粒子群和模糊均值聚类的彩色图像分割算法（DEPSO-FCM）. 利用差分演化算法的快速收敛特性、粒子群算法的全局搜索能力,解决模糊均值聚类图像分割时易受到初始聚类中心影响和陷入局部最优的问题,同时针对不同的色彩空间对于图像分割效果的影响,尝试在不同的空间上使用DEPSO-FCM 进行图像分割. 实验表明,该方法能解决 FCM 算法陷入局部最优的问题,在不同的色彩空间上都获得了理想的分割效果.     

基于稀疏矩阵的谱聚类图像分割算法

在图像分割中谱聚类算法需要计算像素之间的相似度矩阵,构造数据量大,并且要对拉普拉斯矩阵进行特征分解,计算比较耗时。针对这一问题,提出了一种基于稀疏矩阵的谱聚类图像分割算法。算法结合图像特征信息在不同尺度上对谱聚类进行误差分析,设计了一种新的样本信息选取方案,并利用选取的图像信息直接创建稀疏相似度矩阵。理论分析以及图像分割实验结果表明,该算法能够有效降低谱聚类的计算复杂度,同时,提高了分割的准确性和鲁棒性。     

一种基于Fréchet距离的谱聚类算法

为提升谱聚类的聚类精度和适用性，提出了一种基于Fréchet距离的谱聚类算法(A Spectral Clustering Algorithm Based on Fréchet Distance, FSC)，通过Fréchet距离构建相似度矩阵，并将重构的相似矩阵应用于谱聚类中。利用Fréchet距离度量数据特征维度的相似性对样本的多个特征进行分析，进而扩展典型谱聚类算法的适用性。FSC不仅适用于低维流形结构清晰的数据，也适用于高维或稀疏数据，如高光谱图像数据。在3个经典的高光谱图像上的实验结果表明，FSC算法有效提高了高光谱图像聚类的精度。     

流形距离的自动免疫克隆聚类图像分割算法

聚类算法在对图像进行分割的过程中要面对如何自动确定聚类类别数、如何克服图像特征点分布复杂的流形结构、如何减少算法的运行时间. 针对这些问题, 提出了流形距离的自动免疫克隆聚类图像分割算法. 自动免疫克隆聚类算法可以自动确定聚类个数, 不需要人为事先给定, 并且确保全局收敛; 使用流形距离可以反映空间分布复杂的流形数据; 使用超像素而非像素来降低图像分割的时间等问题. 通过对4组人工数据集和4幅自然图像进行实验, 对比k-means算法、GCUK算法, 结果表明该方法优势比较明显, 具有一定的实用性和先进性.     

基于遗传算法和模拟退火算法的混合算法

结合离散时间系统最优控制问题,提出一种新的混合算法.该算法是在遗传操作中嵌入模拟退火算子,有效地结合了遗传算法隐含并行与模拟退火算法全局寻优的特点,同时用罚函数方法处理约束条件,设计了专门的遗传操作算子,构造了相应的适应度函数,实现了离散时间系统的最优控制.实验结果表明,新算法既具有较快的收敛速度,又能够收敛到最优解.     

非线性Galerkin算法和Galerkin算法

给出了数值求解非线性发展方程的Ｇａｌｅｒｋｉｎ算法和非线性Ｇａｌｅｒｋｉｎ算法,其中空间变量用谱元法离散,时间变量用Ｅｕｉｅｒ显式格式离散。此外,我们分析了两种算法的有界性、稳定性和收敛精度估计。经过比较,在收敛精度相同的条件下,非线性Ｇａｌｅｒｋｉｎ算法具有稳定性能好,计算量少的优点     

基于KNN算法的改进K-means算法

针对于K-means算法的缺点做出了一些改进,提出了一种基于KNN算法改进K-means的算法。改进后的算法解决了K-means算法K值无法确定和数据分类中的不强、易受异常数据干扰的缺点,提高了算法的聚类效果以及削弱初始聚类中心选择的随机性对于聚类结果易陷入局部最优的影响。实验表明,改进后的算法不仅解决了传统算法确定K值的问题,而且聚类结果稳定且聚类效果良好。     

对k均值算法和硬C-均值算法的对比分析

通过比较目标函数、聚类原型模式P(0)的初始化方法、划分矩阵U和聚类原型P的更新方法等4个方面,得出k均值算法和硬C-均值算法的区别。     

基于遗传算法的概率译码算法

为了改善纠错码译码算法的综合性能,基于遗传算法提出一种新颖的概率译码算法.利用未经量化的接收序列中的额外信息,通过遗传算法优化接收解调器的匹配滤波器输出达到弥补硬判决误差的目的,从而恢复出最似然传输码字.通过对概率译码的算法性能分析可知,该算法的译码过程几乎不受码元个数的影响,复杂度相对较低,且能实现快速优化译码. 仿真结果表明,该译码算法具有良好的译码纠错性能,是一种实用性强的译码算法.     

双向双步画线算法

本算法的主要思想是每计算一次确定4个象素，并且利用扫描线的连贯性，减少了图元输出时间。实践证实改进是非常有效的：对于斜率的绝对值小于1的线段，本算法效率大约是经典画线算法的5倍，对于斜率的绝对值大于1的线段，本算法效率是经典画线算法的一倍多。     

基于蚁群算法的改进遗传算法

遗传算法具有快速全局搜索能力,但对于系统中的反馈信息却没有利用,往往导致无为的冗余迭代,求解效率低。根据这一缺陷提出一种将蚁群算法融合到遗传算法的新策略：为了弥补遗传算法中的变异算子变异过程中的盲目无原则性,将蚁群算法的正反馈思想引入到遗传算法中。利用蚁群算法信息素更新原则指导变异规则,有效地提高了算法的寻优效率,优化了解的质量。为了验证算法的有效性,对TSPLIB库中的两个公共实际事例eil51和gr202以及安徽省17个城市的数据进行了仿真实验,结果表明改进后的算法是有效的。     

基于遗传算法的背景提取算法

针对视频图像处理中传统背景提取算法在时间复杂度和空间复杂度兼顾性能较差的缺点,提出一种基于遗传算法的背景重构算法.即在假设背景以最大概率出现在图像序列中的前提下,选择出现频率最高的图像作为背景图像.算法通过将图像分割成子图像,并将子图像参数化再进行统计,达到减低时间复杂度和空间复杂度的目的.仿真结果表明：在运动目标有较长的暂时停顿的情况下,该算法进行实时背景重构具有明显的优点;该算法能够准确地重构背景,并有效地避免混合现象,与直方图法相比,在不增加时间复杂度的情况下,空间复杂度可以减低到约1/50.     

对多项式的欧几里德算法的改进

本文对用于求两个多项式的最大公约多项式的欧几里德算法作了改进，主要改进了决定该算法计算复杂性的ＥＭＧＣＤ的递归过程。通过计算复杂性的分析，改进算法比原算法快了一倍，而且提高了计算精度。     

一种新的通信信号盲分离算法-EASIBSA算法

针对通信信号盲源分离的收敛速度问题,在EASI算法的基础上,提出了一种基于参数自适应优化思想的步长自适应盲源分离算法-EASIBSA算法.该算法将EASI算法中的学习速率与目标函数联系起来,采用随机梯度的方法自适应地进行调节,避免了最优学习速率的选择问题,同时提高了算法的收敛速度.实验仿真结果表明,EASIBSA算法在不影响分离效果的前提下,将收敛速度提高了近2倍.