基于煙花算法的軟子空間MR圖像聚類(lèi)算法

　　現(xiàn)有的軟子空間聚類(lèi)算法在分割MR圖像時(shí)易受隨機(jī)噪聲的影響，而且算法因依賴(lài)于初始聚類(lèi)中心的選擇而容易陷入局部最優(yōu)，導(dǎo)致分割效果不理想．針對(duì)這一問(wèn)題，提出一種基于煙花算法的軟子空間MR圖像聚類(lèi)算法．算法首先設(shè)計(jì)一個(gè)結(jié)合界約束與噪聲聚類(lèi)的目標(biāo)函數(shù)，彌補(bǔ)現(xiàn)有算法對(duì)噪聲數(shù)據(jù)敏感的缺陷，并提出一種隸屬度計(jì)算方法?？焖佟?zhǔn)確地尋找簇類(lèi)所在子空間；然后，在聚類(lèi)過(guò)程中引入自適應(yīng)煙花算法，有效地平衡局部與全局搜索，彌補(bǔ)現(xiàn)有算法容易陷入局部最優(yōu)的不足.EWKM，F(xiàn)WKM，F(xiàn)SC，LAC算法在UCI數(shù)據(jù)集、人工合成圖像、Berkeley圖像數(shù)據(jù)集以及臨床乳腺M(fèi)R圖像、腦部MR圖像上的聚類(lèi)結(jié)果表明。所提出的算法不僅在UCI數(shù)據(jù)集上能夠取得較好的結(jié)果，而且對(duì)圖像聚類(lèi)也具有較好的抗噪性能，尤其是對(duì)MR圖像的聚類(lèi)具有較高的精度和魯棒性，能夠較為有效地實(shí)現(xiàn)MR圖像的分割。