Штучний інтелект

Анотація: В статті запропоновано алгоритм гібридної нечіткої кластеризації mdsFCM, який завдяки застосуванню неевклідових метрик заснованих на використанні матриці коваріації, має більш високий рівень чутливості при обробці багатовимірних даних. Представлені експериментальні результати застосування запропонова- ного алгоритму для кластеризації низькоконтрастних кольорових медичних зображень.

Ключові слова: багатовимірні зображення, нейро-фаззі кластеризація, міри відстані, сегментація, неевклідові метрики

Посилання:

1. Leonenkov A. Fuzzy modeling in the MATLAB and fuzzyTECH environment − S.P.: BHV−Peterburg. − 2003. − 719.
2. Rutkovsky L. The methods and technology of artificial intelligence − M.: Gorjachaja-Linija-Telekom, 2010. − 600.
3. Kohonen T. Self Organized Maps [transl. 3 engl. publ. V.N. Ageeva edited by J.V. Tumentseva]. − M.: Binom. Knowledge Laboratory − 2008. − 665.
4. Akhmetshina L.G., Yegorov A.A. The Influence of the distance measure type on the sensitivity neuronfuzzy clustering of the multidimensional data. Artificial Intelligence. − 2012. − № 4. − S. 535 − 545.
5. Akhmetshina L.G., Yegorov A.A. Enhancement of the hybrid fuzzy clustering sensitivity based on forming of the centers proportional to the q-dimensional space distances. Geometric and computer modeling. − 2009. − Num. 24. − S. 193 − 198.
6. Akhmetshina L.G., Yegorov A.A. The influence of the new centers forming and essential clster choosing on the hybrid fuzzy clustering sensitivity // Intellectual systems for decision making and problems of computational intelligence: international science conf. May 17-21, 2010, Yevpatorija. − Vol. 1. − S. 231 − 234.
7. Pegat A. Fuzzy modeling and control. [transl. from engl. A.G. Podvesovskogo, Y.V. Tyumenceva]; Edited by. Y.V. Tyumenceva − M.: BINOM − 2009. − 768.
8. Yegorov A.A. The Fuzzy clustering results visualizing based on the initial data compare method. Bulletin of The Herson National Technical University. − 2009. − Num. 2(35). − S. 195 − 199.