基于模糊聚类优化的序列图像快速分形压缩

针对传统序列图像分形压缩算法编码时间过长的问题，提出了一种基于模糊聚类优化(OFC)的快速算法，它是一种基于单帧的序列图像帧间分形压缩算法。首先使用LBG(Linde-Buzo-Gray)方法对序列图像组成的搜索空间样本集进行初始化，然后将OFC方法应用于对样本集的软分类，匹配时通过用类内搜索取代全局搜索，将分形编码过程聚焦在最有效的局部范围内，从而减少了匹配次数，降低编码时间。由于OFC算法是一种软分类方法，样本集类别数的确定即最终聚类方案是取样本集所有可能的分割中对应于目标函数最小的分割，所以它不但是基于全局最优的聚类方法，避免了基于局部最优LBG算法中的某些误判，而且有效抑制了传统硬分类方法中类别数需预先指定的人为干扰因素，使恢复图像的质量能够得到更有效保证。相同运算环境下的仿真实验结果说明，在不影响信噪比和压缩比的前提下，与传统序列图像分形压缩算法相比，OFC算法编码速度可提高约5倍，证明了本算法的优越性。     

颅脑MRI图像模糊聚类分割算法中模糊聚类数的讨论

目的探讨颅脑MRI图像模糊聚类分割算法中最佳模糊聚类数。方法利用VC 编程读取DICOM格式的MRI图像,然后运用模糊聚类分割技术对50幅图像在不同的模糊聚类数参数下进行处理,进行对比分析。结果当模糊聚类数为5～6时,模糊聚类有效性函数最小,图像处理的效果达到最佳水平。结论进行颅脑MRI图像模糊聚类分割时,模糊聚类数应取5或者6。     

一种基于分水岭和模糊聚类的多级图像分割算法

分水岭算法是一种广泛应用的图像分割工具,它能够自动生成单像素宽度的封闭轮廓。分水岭算法的不足在于它的过分割结果,即生成大量小的封闭区域,使目标物体淹没其中。本文提出一种对分水岭算法过分割结果的模糊聚类方案,首先为每个分水岭区域定义特征量,然后根据这些特征量以及相邻区域之间的分水岭显著性计算两个相邻区域之间的近似程度,进而计算所有分水岭区域的模糊等价矩形,最终形成图像的多级分割结果。本文对多种类型的图像进行了实验。     

基于模糊核聚类的MR图像分割新算法

在传统的模糊聚类算法中引入了核函数,同时引入了控制邻域作用的约束项,提出了改进的基于模糊核聚类的MR图像分割新算法.通过对模拟图和仿真的脑部MR图像的分割实验,证明本算法可以有效地分割含有噪声的图像.     

基于模糊C均值聚类算法的模糊时间序列分析在戊肝发病率预测中的应用初探

目的 探讨基于模糊C均值聚类（fuzzy c-means clustering,FCM）算法的模糊时间序列分析在戊肝发病率预测中的应用价值。方法 采用基于FCM算法的模糊时间序列分析方法,对2004年1月至2014年7月我国内地法定报告的戊肝逐月发病率资料建立预测模型,并对2014年8 ～12月的相应数据进行预测,并将预测结果与经典模糊时间模型预测结果进行比较。结果 基于FCM算法的模糊时间序列模型的拟合均方误差（MSE）为0.001 1,预测MSE为6.977 5×10^-4;而经典模糊时间序列模型的两个MSE分别为0.001 7和0.001 4。可见,基于FCM算法的模糊时间序列分析相对于经典模型,有较好的预测能力。结论 基于FCM算法的模糊时间序列分析对于戊肝等传染病发病率的预测具有较好的应用价值。     

一种基于分水岭和模糊聚类的多级图像分割算法

分水岭算法是一种广泛应用的图像分割工具，它能够自动生成单像素宽度的封闭轮廓。分水岭算法的不足在于它的过分割结果，即生成大量小的封闭区域，使目标物体淹没其中。本文提出一种对分水岭算法过分割结果的模糊聚类方案，首先为每个分水岭区域定义特征量，然后根据这些特征量以及相邻区域之间的分水岭显著性计算两个相邻区域之间的近似程度，进而计算所有分水岭区域的模糊等价矩形，最终形成图像的多级分割结果。本文对多种类型的图像进行了实验．     

基于减法聚类产生具有优化规则的模糊神经网络及其软测量建模

提出了一种通过调整减法聚类半径优选模糊规则的软测量建模方法。首先用减法聚类建立T—S模糊模型，然后通过调整聚类半径优选模糊规则数，以取得具有良好泛化性能的模型，之后利用梯度下降混合最小二乘算法精调参数。最后用该方法对初馏塔石脑油干点进行软测量建模，结果表明能较快确定优化模型，并能满足软测量建模精度要求。     

基于蚁群聚类算法的模糊神经网络

提出了一种基于蚁群聚类的模糊神经网络算法，神经网络采用RBF网络结点结构，聚类采用二级结构蚁群聚类算法作为一级聚类而模糊C-均值聚类(FCM)用于二级聚类。将上述聚类方法用于模糊神经网络构建中，仿真结果表明具有并行实时性、聚类能力强的特点。     

模糊聚类与传统聚类在医学中的应用

本文随机抽取１１０例慢性肝病（肝炎３５例、肝硬化６１例、肝癌１４例），分别用传统聚类和模糊聚类进行分析，传统聚类法以病程、脾大作为慢性肝病的诊断指标，其符合率为５０％，而模糊聚类法以年龄、病程、脾大作为鉴别慢性肝炎、肝硬化、肝癌的较好指标，符合率为８２．７％，两种方法的符合率以后者为优（Ｐ〈０．０１）。所以模糊聚类的分类更易使人接受。     

基于模糊c均值聚类的多模型软测量建模

根据几个模型相加可提高模型的预测精度及鲁棒性的思想,提出了一种非线性软测量建模的新方法。即先用模糊ｃ均值聚类将训练集分成具有不同聚类中心的子集,每一子集用ＲＢＦ网络或部分最小二乘法进行训练得出子模型,再用模糊聚类后产生的隶属度将各子模型的输出加权求和得到最后结果,此算法通过一个复杂非线性函数的仿真建模和一个分馏塔柴油倾点软测量建模的工业实例研究,结果表明比其它算法具有更好的泛化结果和预报精度,具有     

基于线性广义模糊算子图像快速增强算法

目的：研究Pal类模糊算法的图像增强原理,提出适合CT／MR图像的快速增强算法．方法：首先,通过定义一个线性映射函数,将感兴趣区域（ROI）从背景区域分离出来;其次,用线性的广义模糊算子（L-GFO）单独对ROI进行增强．结果：在P4—2．4G／512M／128M微机上,用IDL对50幅CT／MR图像处理速度进行测试,本文算法平均每幅增强处理用时约0．8ms．结论：本文算法减少了运算量、提高了处理速度．     

改进FCM算法在颅脑磁共振图像分割中的应用

模糊C均值（FCM）聚类算法广泛应用于医学图像分割中,但该算法在分割低信噪比图像时,会产生较大的偏差。为解决这一问题,本文提出一种改进的FCM算法,充分考虑相邻像素之间的影响,对FCM的目标函数做一定的修改。实验表明,该算法与FCM算法相比,既能有效分割图像,又对低信噪比图像具有很好的分割效果。     

基于广义模糊吉波斯随机场的噪声图象分割

基于吉波斯随机场分割模型的图象分割方法是一种常用的重要方法。本文结合广义模糊集理论,针对噪声大的模糊图象分割问题,重新定义了吉波斯场的集团势函数,将广义模糊隶属度引入势函数,建立了新的分割模型。在此基础上用条件迭代模式（ICM）法对图象进行了优化分割。实验表明,该方法能有效地分割退化的模糊图象。     

一种基于LDA和FCM的BPA多模型软测量方法

模糊C-均值聚类(FCM)算法是数据预处理中常用的一种方法,但用这种方法进行数据聚类,各类别边界信息间往往存在干扰,模型精度不能得到很好改善。本文采用一种改进的线性判别分析(LDA)方法,用于扩大样本类别间的距离,使聚类更为精确。将FCM算法与改进的LDA算法结合提取样本特征,然后通过多模型融入到SVM算法中。通过对双酚A软测量建模的仿真研究表明该方法具有较好的效果。     

基于非齐次Markov随机场的无监督图像分割新算法

提出了一种基于非齐次Markov随机场(MRF)的图像分割算法,并运用模糊空间元素的模糊相似度模型,估计非齐次MRF的参数,改进了传统的基于齐次MRF的图像分割算法.通过对模拟脑部MR图像和临床脑部MR图像分割实验,表明该算法比传统的基于齐次MRF的图像分割算法和模糊C-均值等图像分割算法具有更精确的图像分割能力,并且运算简单、运算速度快、稳健性好.     

基于模糊增强的磁共振成像PROPELLER采样数据优质重建算法

目的 提出一种基于模糊增强的重建算法,以改进PROPELLER采样数据中现有重建算法的不足.方法 由每个K空间带补零重建出临时图像,然后提出模糊增强算法,增强后在图像域进行运动参数估计,进行运动补偿后由网格化重建算法重建出结果图像.结果 该算法对于运动参数估计的精度更高,对刚性运动伪影的消除效果明显优于现有算法.结论 该算法可以显著提高PROPELLER采样数据重建图像质量.     

一种基于可恢复性水印的医学图像认证方法

本文提出了一种适用于医学图像内容认证和保护的可恢复性水印箅法.选取图像的小波重要系数进行SPIHT编码生成水印:使用Arnold变换确定其嵌入块位置并将其加密嵌入剑图像数据低位;通过链式认证结构实现水印信号的检测和图像篡改数据的定位,由 SPIHT解码完成篡改数据的恢复.实验表明,该算法在保证含水印医学图像具有良好视觉透明性的基础上.还可以定位并恢复被篡改区域内容.