公开(公告)号：CN114818858A

公开(公告)日：2022-07-29

申请号：CN202210272644.0

申请日：2022-03-18

Applicant: 桂林理工大学

Inventor： 凌子琪 ,  金红

IPC: G06K9/62 ,  G06N10/00 ,  G06N3/12 ,  G06N10/60

Abstract: 模糊C均值聚类算法(FCM)是一种常用的无监督学习算法，常用于各类模糊问题的聚类分析中，由于某些问题具有模糊性和不确定性，因此通常使用模糊理论进行处理。本发明提出了一种基于量子遗传的模糊C均值聚类中心生成方法，结合了智能优化算法中的遗传算法和量子理论，通过量子种群的迭代寻优找到最优的初始聚类中心，避免了人为选取聚类中心的不确定性，提高了收敛效率及收敛精度。

公开(公告)号：CN114782726B

公开(公告)日：2024-11-15

申请号：CN202210273477.1

申请日：2022-03-18

Applicant: 桂林理工大学

Inventor： 凌子琪 ,  金红

IPC: G06V10/762 ,  G06N3/006

Abstract: 本发明涉及一种基于蝙蝠算法的图像聚类分割方法，主要用于使用K‑means聚类方法分割图像的时候，优化聚类中心的选择，提高蝙蝠算法的全局与局部搜索能力，从而提高图像分割的精度。

公开(公告)号：CN114782726A

公开(公告)日：2022-07-22

申请号：CN202210273477.1

申请日：2022-03-18

Applicant: 桂林理工大学

Inventor： 凌子琪 ,  金红

IPC: G06V10/762 ,  G06K9/62 ,  G06N3/00

Abstract: 本发明涉及一种基于蝙蝠算法的图像聚类分割方法，主要用于使用K‑means聚类方法分割图像的时候，优化聚类中心的选择，提高蝙蝠算法的全局与局部搜索能力，从而提高图像分割的精度。