Нечеткая кластеризация полутоновых изображений на основе преобразования исходных данных
Работа посвящена описанию модифицированного метода нечеткой кластеризации полутоновых изображений, который на каждой итерации выполняет динамическое преобразование исходных данных на основе сингулярного разложения с автоматическим отбором наиболее значимых столбцов матрицы левых сингулярных векторов...
Saved in:
| Published in: | Штучний інтелект |
|---|---|
| Date: | 2018 |
| Main Authors: | , |
| Format: | Article |
| Language: | Russian |
| Published: |
Інститут проблем штучного інтелекту МОН України та НАН України
2018
|
| Subjects: | |
| Online Access: | https://nasplib.isofts.kiev.ua/handle/123456789/162370 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Cite this: | Нечеткая кластеризация полутоновых изображений на основе преобразования исходных данных / Л.Г. Ахметшина, А.А. Егоров // Штучний інтелект. — 2018. — № 2 (80). — С. 26-32. — Бібліогр.: 6 назв. — рос. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1862749759089934336 |
|---|---|
| author | Ахметшина, Л.Г. Егоров, А.А. |
| author_facet | Ахметшина, Л.Г. Егоров, А.А. |
| citation_txt | Нечеткая кластеризация полутоновых изображений на основе преобразования исходных данных / Л.Г. Ахметшина, А.А. Егоров // Штучний інтелект. — 2018. — № 2 (80). — С. 26-32. — Бібліогр.: 6 назв. — рос. |
| collection | DSpace DC |
| container_title | Штучний інтелект |
| description | Работа посвящена описанию модифицированного метода нечеткой кластеризации полутоновых изображений, который на каждой итерации выполняет динамическое преобразование исходных данных на основе сингулярного разложения с автоматическим отбором наиболее значимых столбцов матрицы левых сингулярных векторов. Это дает возможность повышения чувствительности сегментации. Предложенный метод показан на примере алгоритма нейро-фаззи кластеризации sFCM. Результаты экспериментальных исследований были получены при обработке реальных полутоновых медицинских изображений. При этом было достигнуто лучшее выделение объектов интереса и структуры изображения в целом.
The work is devoted to the description of the grayscale images fuzzy clustering method, which performs dynamic transformation of initial data based on singular decomposition (with automatic determining the most important columns of left singular vectors matrix) on each step. This approach may lead to segmentation sensitivity enhancement. Proposed method was described on the example of neuro-fuzzy clustering algorithm sFCM. The results of experimental researches were obtained after processing of real grayscale medical image. Better identification of objects of interest and whole image structure was achieved.
|
| first_indexed | 2025-12-07T21:01:49Z |
| format | Article |
| fulltext | |
| id | nasplib_isofts_kiev_ua-123456789-162370 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 1561-5359 |
| language | Russian |
| last_indexed | 2025-12-07T21:01:49Z |
| publishDate | 2018 |
| publisher | Інститут проблем штучного інтелекту МОН України та НАН України |
| record_format | dspace |
| spelling | Ахметшина, Л.Г. Егоров, А.А. 2020-01-07T18:22:35Z 2020-01-07T18:22:35Z 2018 Нечеткая кластеризация полутоновых изображений на основе преобразования исходных данных / Л.Г. Ахметшина, А.А. Егоров // Штучний інтелект. — 2018. — № 2 (80). — С. 26-32. — Бібліогр.: 6 назв. — рос. 1561-5359 https://nasplib.isofts.kiev.ua/handle/123456789/162370 004.93 Работа посвящена описанию модифицированного метода нечеткой кластеризации полутоновых изображений, который на каждой итерации выполняет динамическое преобразование исходных данных на основе сингулярного разложения с автоматическим отбором наиболее значимых столбцов матрицы левых сингулярных векторов. Это дает возможность повышения чувствительности сегментации. Предложенный метод показан на примере алгоритма нейро-фаззи кластеризации sFCM. Результаты экспериментальных исследований были получены при обработке реальных полутоновых медицинских изображений. При этом было достигнуто лучшее выделение объектов интереса и структуры изображения в целом. The work is devoted to the description of the grayscale images fuzzy clustering method, which performs dynamic transformation of initial data based on singular decomposition (with automatic determining the most important columns of left singular vectors matrix) on each step. This approach may lead to segmentation sensitivity enhancement. Proposed method was described on the example of neuro-fuzzy clustering algorithm sFCM. The results of experimental researches were obtained after processing of real grayscale medical image. Better identification of objects of interest and whole image structure was achieved. ru Інститут проблем штучного інтелекту МОН України та НАН України Штучний інтелект Системи розпізнавання і сприйняття образів Нечеткая кластеризация полутоновых изображений на основе преобразования исходных данных Grayscale images fuzzy clustering based on initial data transformation Article published earlier |
| spellingShingle | Нечеткая кластеризация полутоновых изображений на основе преобразования исходных данных Ахметшина, Л.Г. Егоров, А.А. Системи розпізнавання і сприйняття образів |
| title | Нечеткая кластеризация полутоновых изображений на основе преобразования исходных данных |
| title_alt | Grayscale images fuzzy clustering based on initial data transformation |
| title_full | Нечеткая кластеризация полутоновых изображений на основе преобразования исходных данных |
| title_fullStr | Нечеткая кластеризация полутоновых изображений на основе преобразования исходных данных |
| title_full_unstemmed | Нечеткая кластеризация полутоновых изображений на основе преобразования исходных данных |
| title_short | Нечеткая кластеризация полутоновых изображений на основе преобразования исходных данных |
| title_sort | нечеткая кластеризация полутоновых изображений на основе преобразования исходных данных |
| topic | Системи розпізнавання і сприйняття образів |
| topic_facet | Системи розпізнавання і сприйняття образів |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/162370 |
| work_keys_str_mv | AT ahmetšinalg nečetkaâklasterizaciâpolutonovyhizobraženiinaosnovepreobrazovaniâishodnyhdannyh AT egorovaa nečetkaâklasterizaciâpolutonovyhizobraženiinaosnovepreobrazovaniâishodnyhdannyh AT ahmetšinalg grayscaleimagesfuzzyclusteringbasedoninitialdatatransformation AT egorovaa grayscaleimagesfuzzyclusteringbasedoninitialdatatransformation |