烟花算法优化的软子空间MR图像聚类算法

现有的软子空间聚类算法在分割MR图像时易受随机噪声的影响，而且算法因依赖于初始聚类中心的选择而容易陷入局部最优，导致分割效果不理想.针对这一问题，提出一种基于烟花算法的软子空间MR图像聚类算法.算法首先设计一个结合界约束与噪声聚类的目标函数，弥补现有算法对噪声数据敏感的缺陷，并提出一种隶属度计算方法，快速、准确地寻找簇类所在子空间；然后，在聚类过程中引入自适应烟花算法，有效地平衡局部与全局搜索，弥补现有算法容易陷入局部最优的不足.EWKM，FWKM，FSC，LAC算法在UCI数据集、人工合成图像、Berkeley图像数据集以及临床乳腺MR图像、脑部MR图像上的聚类结果表明，所提出的算法不仅在UCI数据集上能够取得较好的结果，而且对图像聚类也具有较好的抗噪性能，尤其是对MR图像的聚类具有较高的精度和鲁棒性，能够较为有效地实现MR图像的分割