應用模糊聚類與粒子演算法之色彩分群研究

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：21

、訪客IP：3.21.248.119

姓名

游健忠(Chien-Chung Yu) 查詢紙本館藏

畢業系所

通訊工程學系在職專班

論文名稱

應用模糊聚類與粒子演算法之色彩分群研究
(Fuzzy clustering and particle swarm optimization applied to color clustering algorithm)

相關論文

★ Branch and Bound 演算法在全光網路包含串音局限的限制條件之最佳化規劃效能分析	★ 平行式最佳區塊碼解碼演算法
★ 數位廣播之視訊系統架構與信號估測	★ 粒子群優化演算法應用於電信業解決方案選商及專案排程之優化
★ 結合PSO及K-Means聚類分析演算法的圖像分割	★ 利用粒子群優化演算法改善分群演算法在訊號分群上之應用
★ 粒子群優化演算法應用於企業更新數據網路採購之優化	★ 粒子群演算法應用於無線區域網路產品硬體開發成本優化
★ 粒子群演算法應用企業伺服器負載平衡之省電優化	★ 粒子群優化演算法應用於瓦斯業微電腦瓦斯表自動讀表之優化
★ 近場通訊之智慧倉儲管理	★ 在Android 平台上實現NFC 室內定位
★ 適用於訊號傳輸暨無線電力傳輸之設計	★ 結合PSO及圖像品質評估演算法識別頻譜訊號
★ 粒子群優化與二維Otsu演算法於影像二元化閥值選取研究	★ 利用A*解碼法應用到線性區塊碼的最大可能性解碼之研究

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

至系統瀏覽論文 ( 永不開放)

摘要(中)

目前在影像處理的領域中，圖像分割算是重要的一項影像處理。圖像分割可以透過色彩分群的方法達到圖像分割的目的。而透過圖像分割可以讓我們容易得到我們需要的部分，並將分離出來的部分加以處理。
模糊聚類演算法是屬於聚類演算法的一種，它是由K-Means改良而來的，它主要加上了模糊理論的概念，使得每一點的輸入向量以歸屬的程度來表現。但模糊聚類演算法本身有一些缺點，初始值的選擇會影像它分群的效果。所以我們利用群體智能粒子群優化演算法來找尋初始值，讓模糊聚類演算法來達到好的色彩分群效果。
所以我們本論文將結合模糊聚類演算法、粒子群演算法這二種來做為色彩分群，讓粒子群演算法做為初始值的搜尋的方法來改善模糊聚類演算法的收斂速度、分割的品質。

摘要(英)

Nowadays, image segmentation is an important technique in the image processing sector. We can easily extract the necessary parts from the entire image through this technique.
Fuzzy C Means is a clustering algorithm coming from K-Means algorithm. The concept of fuzzy logic are applied to this method in which the performance on each point of the input vector has a degree of the belonging. The weakness of Fuzzy C Means is on the clustering effects when selecting the initial value of image. To achieve the good effect on image segmentation by using the Fuzzy C Means’ algorithm, we generate a method of intelligence particle swarm optimization algorithm to find the initial value.
We used two algorithm methods in image segmentation technique which are Fuzzy C Means and particle swarm optimization algorithm. Both improved the convergence’s speed and the segmentation’s quality of Fuzzy C Means.

關鍵字(中)

★ 聚類演算法
★ 粒子群演算法
★ 群體智能
★ 色彩分群
★ 圖像分割

關鍵字(英)

★ Image segmentation
★ Fuzzy C Means
★ Swarm Intelligence
★ PSO
★ Particle Swarm Optimization
★ Clustering Algorithms

論文目次

摘要 --------------------------------- i
Abstract -------------------------------- ii
誌謝 ------------------------------- iii
目錄 -------------------------------- iv
圖目錄 List of Figures ----------------- v
表目錄 List of Tables ----------------- vi
第一章緒論 ----------------------------- 1
1-1 研究背景與動機 ---------------------- 1
1-2 論文架構與流程 ---------------------- 3
第二章演算法介紹 ------------------------ 4
2-1 聚類演算法 (Clustering Algorithms) -- 4
2-2 K-Means 演算法介紹 ------------------ 5
2-3 模糊聚類演算法介紹 ------------------ 9
2-4 粒子演算法(PSO)介紹 ---------------- 12
2-4-1 粒子演算法公式說明 -------------- 13
2-4-2 粒子演算法流程 ------------------ 16
2-4-3 粒子演算法參數的探討 ----------- 18
第三章模糊聚類與粒子演算法之研究 ------- 20
3-1 模糊聚類與粒子演算法 --------------- 20
3-2 利用粒子演算法搜尋初始值 ----------- 21
3-3 模糊聚類與粒子演算法之流程 --------- 24
第四章實作 ----------------------------- 27
4-1 實驗方法 --------------------------- 27
4-2 分群數量比較 ----------------------- 29
4-3 收斂疊代數比較 --------------------- 31
第五章結論 ----------------------------- 33
5-1 結論 ------------------------------ 33
參考文獻 ----------------------------- 34

參考文獻

[1] Selim, S. Z. And Ismail, M. A., K-Means type algorithms: A generalized convergence theorem and characterization of local optimality. IEEE Trans. Pattern Anal. Mach. Intell. 1984, 81–87.
[2] Zhang D Q，Chen S C．Kernel-based fuzzy clustering incorporating spatial constraints for image segmentation Proceedings of the Second International Conference on Machine Learning and Cyber-netics, Xi’an, 2003.
[3] Chuang K S，Tzeng H L, Fuzzy C-Means Clustering with spatial information for image segmentation[J], Comput. Med lmag. Graphics, 2006.
[4] Kennedy, J., and Eberhart, R.C., “Particle swarm optimization,” Proc. IEEE International Conference on Neural Networks (Perth, Australia), IEEE Service Center, Piscataway, NJ, 1995.
[5] Shi, Y. H., Eberhart, R. C., Parameter Selection in Particle Swarm Optimization, The 7th Annual Conference on Evolutionary programming, San Diego, CA., 1998.
[6] Kennedy J., Eberhart R. C. and Shi Y., Swarm Intelligence, Morgan Kaufmann, New York., 2001.
[7] Kennedy J. The particle swarm: Social adaptation of know ledge . Proc IEEE Int Conf on Evolutionary Computation , 1997, pp.303-308.
[8] Esmin, A.A.A., A.R. Aoki, G. Lambert-Torres, Particle Swarm Optimization for Fuzzy Membership Functions Optimization, IEEE International Conference, 2002.
[9] X. Cui, T.E. Potok, Document Clustering Analysis based on Hybrid PSO+K-Means Algorithm, Journal of Computer Science, Special issue on Efficient heuristics for information organization, Science Publications, New York, 2005, pp. 27-33.
[10] Alireza Ahmadyfard, Hamidreza Modares, Combining PSO and k-Means to Enhance Data Clustering[A], IST 2008 International Symposium [C]. Tehran：IEEE Press, 2008, pp.688-691.
[11] Shi, Y. and Eberhart, RC. Empirical study of particle swarm optimization. In Proceedings of the Congress on Evolutionary Computation, 1999, pp. 1945-1950.
[12]胡舜禹，”結合PSO及K-Means聚類分析演算法的圖像分割”，國立中央大學通訊工程學系，研究所碩士論文，2009。
[13] 張斐章、張麗秋，”類神經網路導論：原理與應用”，滄海。
[14] 鍾國亮，”影像處理與電腦視覺導論”，臺灣東華。
[15] 李維平、王雅賢、江正文，”粒子群最佳化演算法改良之研究”，科學與工程技術期刊、第四卷、第二期、民國97年。
[16]李維平、黃郁授、戴彰廷，”自適應慣性權重改良粒子群演算法之研究”，中原大學資訊管理所。
[17] 李坤洲、歐致顯，”以粒子群演算法實現自適性彩色影像增強”， Journal of Informatics & Electronics Vo1.2,No.1, pp29-38. October 2007.
[18] 蔡清欉， “以粒子群最佳化為基礎之電腦遊戲角色設計之研究”, 東海大學資訊工程與科學研究所, 碩士論文, 2003。
[19] 王建斌，“數位影像分割技術的應用與比較”，國立成功大學資訊工程系，碩士論文，2003。
[20] Alasdair MacAndrew (原著)，徐曉珮(譯)， “數位影像處理”，高立圖書，2005。

指導教授

賀嘉律(Chia-L Ho)

審核日期

2011-7-30

推文