换一批摘要目的:鉴于K-均值聚类算法易受初始聚类中心的影响,初始聚类中心不仅影响聚类速度,还可能使算法陷入局部极小值,得到错误的聚类结果,基于SOM神经网络,提出了一种改进的K-均值聚类算法并将其应用于脑实质分割.方法:首先,由SOM神经网络对图像进行初始聚类,得到k个聚类中心值;然后,以SOM神经网络获得的k个聚类中心值作为K-均值聚类算法的初始聚类中心对图像进行k-均值聚类,最终获得图像的聚类分割结果.结果:基于SOM神经网络的K-means聚类算法的分割精度为0.9274,K-means聚类算法的分割精度为0.8649.结论:利用改进的K-均值聚类算法对磁共振脑部图像进行了分割实验,结果表明该算法有效改善了K-means聚类算法初始聚类中心选取的盲目性,使聚类结果更为准确、稳定,取得了比单一方法更好的分割结果.
更多相关知识
分类号
TP391
栏目名称
DOI
10.3969/j.issn.1005-202X.2014.02.010
发布时间
2014-05-04（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家白然科学基金项目（60972122）；
上海市教委科研创新项目（09YZ216）
- 浏览85
- 被引5
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
