论文部分内容阅读
粒子群优化算法能选择适当的适应度函数，使每组粒子群根据相应的适应值搜索到最佳聚类中心，改善了FCM算法和K—means算法的不足，具有适应性强，实时性好，受噪声影响小等特点。本文将其应用于脑部肿瘤图像的分割，结果表明，粒子群聚类算法是一种很有潜力的图像分割方法。
粒子群优化算法在脑部肿瘤图像分割中的应用
【摘 要】
：
粒子群优化算法能选择适当的适应度函数，使每组粒子群根据相应的适应值搜索到最佳聚类中心，改善了FCM算法和K—means算法的不足，具有适应性强，实时性好，受噪声影响小等特点。本文
【机 构】
：
南京航空航天大学自动化学院
【出 处】
：
河南科技大学学报(自然科学版)
【发表日期】
：
2007年6期
其他文献
研究已知障碍物形状和位置环境下的全局路径规划问题。给出了一个路径规划算法，其能量函数的定义利用神经网络结构，根据路径点位于障碍物内外的不同位置选取不同的动态运动方程