基于蚁群模糊聚类算法的图像边缘检测.pdfVIP

中国科技论文在线 1 基于蚁群模糊聚类算法的图像边缘检测 1 2 黄红星 苗 京 1，2武汉大学数学学院信息与计算科学系，武汉 430072 E-mail：hhx825@126.com 摘 要 本文提出了一种基于蚁群动态模糊聚类算法的图像边缘检测。算法将蚁群算法与模糊C均值聚类有机 的结合，实现了基于改进的目标函数聚类分析。对比实验表明，该算法具有很强的模糊边缘和微细边缘检 测能力。 关键词 数据挖掘 蚁群算法 模糊 C-均值聚类 边缘检测 文献标志码 A 中图分类号 TP181 Fuzzy Clustering Analysis Based on Ant Colony Algorithm for Image Edge Detection Huang Hongxing1 Miao Jing2 1,2 College of Mathematics， Wuhan University ， Wuhan 430072 Abstract: This paper proposes a method of dynamic fuzzy clustering analysis based on ant colony algorithm for image edge detection .The algorithm combines ant colony algorithm with fuzzy C-means clustering organically and realizes clustering analysis based on improved function. Compared experiments show that the algorithm can correctly detect the fuzzy edge and exiguous edge. Keywords: date mining ， ant colony algorithm ， fuzzy C-means clustering , edge detection 1 引言 面存在着不确定性，适合进行软划分。模糊集 (Rough Set)理论为这种软划分提供了有力的分析 数据挖掘（Data Mining ）就是从大量的、不 工具，人们开始用模糊的方法来处理聚类问题， 完全的、有噪声的、模糊的、随机的数据中，提 即模糊聚类（Fuzzy Clustering ）。由于模糊聚类建 取隐含在其中的但又是潜在有用的信息和知识的 立起了样本对于类别的不确定性的描述，能更客 过程。聚类（Clustering ）是数据挖掘发现的重要 观地反映现实世界，从而成为聚类分析研究的主 模式之一。聚类就是将数据对象分组成为多个类 流[2] 。蚁群算法（Ant Colony Algorithm ）是由意 或簇，使得在同一个簇中的对象具有较高的相似 度，而在不同簇中的对象差异较大[1] 。传统的聚 大利学者M.Dorigo 、V.Maniezzo 、A.Colorni等人 在 20 世纪初首先提出来的[3] 。它是继模拟退火算 类分析是一种硬划分，它把每个待辨识