文献

J-GLOBAL ID：202202289796253510   整理番号：22A0439732

適応弾性距離に基づく新しいロバストファジィc平均クラスタリング法【JST・京大機械翻訳】

A new robust fuzzy c-means clustering method based on adaptive elastic distance

著者 (4件)： Gao Yunlong (School of Aeronautics and Astronautics, Xiamen University, Xiamen, China) ,  Wang Zhihao (School of Aeronautics and Astronautics, Xiamen University, Xiamen, China) ,  Xie Jiaxin (School of Aeronautics and Astronautics, Xiamen University, Xiamen, China) ,  Pan Jinyan (School of Information Engineering, Jimei University, Xiamen, China)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 237  ページ： Null  発行年： 2022年 
JST資料番号： T0426A  ISSN： 0950-7051  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 近傍情報による平滑化は,画像セグメンテーションのロバスト性を改善するクラスタリング方法のための効果的方法である。しかし,通常平滑化は,特に学習クラスタ構造が不適当であるとき,いくつかの重要な詳細を失った。それどころか,良く学習されたクラスタ構造は,画像セグメンテーションの性能が促進されるように,平滑化の効果を最大化するのに有益である。しかしながら,ほとんどの最先端のファジィc-平均(FCM)ベースのクラスタリング法において。正則化関数を適用して,各対の点間の相互作用を変化させ,通常単調な傾向で,増加または減少のいずれかを示した。それはクラスタ構造を認識する能力が低い。この問題を解決するために,メンバーシップに基づく適応弾性距離を導入し,弾性ファジィc平均(EFCM)を提案した。EFCMは,信頼できるポイントのためのスパースな記述とクラスタの限界ポイントのためのファジィ記述を提供して,このように,信頼できるポイントの説明可能性を改良して,クラスタの限界ポイントの効果も強調した。それは,EFCMが固有のクラスタ構造を認識するより良い能力を有することを示した。さらに,EFCMを平滑化法と組み合わせることにより,画像セグメンテーションのための適応弾性距離(ARFCM)に基づく新しいロバストファジィc平均クラスタリング法を提案した。固有クラスタ構造を認識する改良能力を利用して,ARFCMは画像セグメンテーションにおける近傍情報をより良く利用することができた。実験結果は,種々のノイズによって汚染されたすべての画像に対して,ARFCMが他の最先端の方法より良いセグメンテーション精度を達成することを示した。さらに,ARFCMは,実際の画像においてより明確なテクスチャおよびより均一な領域を得ることができた。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  相互作用 ,  学習 ,  *弾性 ,  *クラスタ化 ,  平滑化 ,  *クラスタ ,  正則化 ,  曖昧さ ,  ロバスト性
準シソーラス用語： 画像セグメンテーション ,  クラスター構造 ,  クラスタリング法 , 【Automatic Indexing@JST】

著者キーワード (4件)： 画像セグメンテーション ,  クラスタリング ,  ファジィc平均 ,  適応弾性距離

分類 (2件)： システム・制御理論一般  (IA02010H) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 適応 ,  弾性 ,  平均 ,  クラスタリング法