Đang chuẩn bị liên kết để tải về tài liệu:
MÔ HÌNH PHÂN LỚP FCM TRONG PHÂN ĐOẠN ẢNH VÀ THUẬT TOÁN DCA

MÔ HÌNH PHÂN LỚP FCM TRONG PHÂN ĐOẠN ẢNH VÀ THUẬT TOÁN DCA. TS. NGUYỄN TRỌNG PHÚC Bộ môn Công nghệ phần mềm Khoa Công nghệ thông tin Trường Đại học Giao thông Vận tải Tóm tắt: Trong bài báo này, chúng tôi giới thiệu một thuật toán nhanh và mềm dẻo trong bài toán phân đoạn ảnh thông qua mô hình phân lớp Fuzzy C-Means. Cách tiếp cận của chúng tôi dựa trên lý thuyết DC (hiệu hai hàm lồi) với thuật toán DCA tương ứng. DC và thuật toán DCA đã xuất hiện từ năm 1986 được phát triển. | MÔ HÌNH PHÂN LỚP FCM TRONG PHÂN ĐOẠN ẢNH VÀ THUẬT TOÁN DCA TS. NGUYỄN TRỌNG PHÚC Bộ môn Công nghệ phần mềm Khoa Công nghệ thông tin Trường Đại học Giao thông Vận tải CNTT- CB Tóm tắt Trong bài báo này chúng tôi giới thiệu một thuật toán nhanh và mềm dẻo trong bài toán phân đoạn ảnh thông qua mô hình phân lớp Fuzzy C-Means. Cách tiếp cận của chúng tôi dựa trên lý thuyết DC hiệu hai hàm lồi với thuật toán DCA tương ứng. DC và thuật toán DCA đã xuất hiện từ năm 1986 được phát triển đến nay và được áp dụng trong nhiều lĩnh vực khoa học liên quan đến các bài toán tối ưu như trong Machine Learning. Với một cách tiếp cận mềm dẻo mô hình FCM ban đầu của bài toán được biến đổi thành mô hình mới mà DC có thể áp dụng được với thuật toán DCA đơn giản tương ứng. Để cải thiện tốc độ của thuật toán chúng tôi kết hợp thuật toán DCA và thuật toán FCM theo các cách khác nhau. Hơn nữa chúng tôi xét đến mối quan hệ giữa các điểm ảnh trong không gian để đưa thêm thông tin vào trong mô hình bài toán ban đầu nhằm xử lý các ảnh trong thực tế các ảnh nhiêu. Thông qua các kết quả thực tế chúng tôi thấy được ưu điểm của phương pháp tiếp cận trong việc tăng tốc độ chất lượng ảnh phân đoạn với các ảnh khác nhau đặc biệt là ảnh trong y học. Summary We present a fast and robust algorithm for image segmentation problems via Fuzzy C-Means FCM clustering model. Our approach is based on DC Difference of Convex functions programming and DCA DC Algorithms that have been successfully applied in a lot of various fields of Applied Sciences including Machine Learning. In an elegant way the FCM model is reformulated as a DC program for which a very simple DCA scheme is investigated. For accelerating the DCA an alternative FCM-DCA procedure is developed. Moreover in the case of noisy images we propose a new model that incorporates spatial information into the membership function for clustering. Experimental results on noisy images have illustrated the effectiveness of the proposed algorithm and its .