← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 3733.a

遗传搜索聚类初始中心

理解等级:中级

模糊 C 均值(FCM)把差异图的 n 个像素值分成 c 类,但不是硬性归类:μᵢₖ 表示像素 xₖ 属于第 i 类的程度(隶属度),取 0 到 1,且每个像素对各类的隶属度之和为 1。算法最小化 J = ΣᵢΣₖ μᵢₖ^m·dᵢₖ²,dᵢₖ 是像素到聚类中心 vᵢ 的距离,m 是模糊度权值;J 越小,像素越贴近自己高隶属的中心。

FCM 的初始中心随机给定,结果对初始化敏感、易陷入局部最优。书中方案用实数染色体表示一组聚类中心,以 f = 1/(1+J) 为适应度(J 越小适应度越高),让遗传算法先搜索起点,再执行聚类;它针对初始化敏感性,不等于保证全局最优。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 1 . 4 . 3 基 于 遗 传 算 法 的 图 像 变 化 检 测 · 查看原书依据

      由于FCM算法需要初始聚类中心,且该初始方法是随机的,所以算法结果对初始化十分敏感,容易陷入局部最优解。将遗传算法用于搜索FCM的初始聚类中心,将大大改善聚类效果。因为遗传算法可以解决初始聚类中心问题,所以编码方式采用实数编码,把聚类中心作为染色体,适应度函数为:

    参考来源

    - 位置:《智能算法导论》第 1 章 1.4.3 节“基于遗传算法的图像变化检测”(`EPUB/xhtml/chapter1_0012.xhtml`)。 - 结论依据:原文说明 FCM 的隶属度与初始中心,并将聚类中心作为实数编码染色体供遗传算法搜索。 - 原始内容:由于FCM算法需要初始聚类中心,且该初始方法是随机的,所以算法结果对初始化十分敏感,容易陷入局部最优解。将遗传算法用于搜索FCM的初始聚类中心,将大大改善聚类效果。