Улучшение сходимости нейро-фаззи кластеризации многомерных данных при использовании неевклидовых метрик

Abstract

В статье предложен модифицированный алгоритм гибридной нечеткой кластеризации mdsFCM, который благодаря применению матрицы расстояний Махаланобиса в процессе подготовки центроидов к обработке сетью Кохонена и выполнения сжатия ее размера, позволяет повысить сходимость и, в ряде случаев, чувствительность при обработке многомерных данных. Представлены экспериментальные результаты применения предложенного модифицированного алгоритма mdsFCM для кластеризации низкоконтрастных цветных медицинских изображений.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.This article deals with the description of the hybrid fuzzy clustering algorithm mdsFCM which is used nonEuclidian distances based on calculation the covariance matrix. This algorithm has the greater level of sensitivity while processing multidimensional data. The experimental results of the application of proposed algorithm for low-contrast medical color images clustering are shown.