基于近似密度初始化的医学图像混合模型聚类

张树伟; 宋余庆; 陈健美; 谢从华

Chinese

您当前的位置：

首页 >

文章列表页 >

基于近似密度初始化的医学图像混合模型聚类

更新时间：2026-09-04

- 基于近似密度初始化的医学图像混合模型聚类
- The Gaussian Mixture Model Clustering of Medical Image Based on Initialization of Approximate Density Function
- 微电子学与计算机 2010年27卷第9期页码：168-171
- 作者机构：
  
  江苏大学机构计算机科学与通信工程学院,江苏,镇江,212013
- 作者简介：
- 基金信息：
  
  国家自然科学基金项目(60572112)
- DOI：
  中图分类号：
- 纸质出版：2010
- 稿件说明：
移动端阅览
张树伟, 宋余庆, 陈健美, 谢从华. 基于近似密度初始化的医学图像混合模型聚类[J]. 微电子学与计算机, 2010, 27(9): 168-171.

ZHANG Shu-wei, SONG Yu-qing, CHEN Jian-mei, et al. The Gaussian Mixture Model Clustering of Medical Image Based on Initialization of Approximate Density Function[J]. 2010, 27(9): 168-171.
张树伟, 宋余庆, 陈健美, 谢从华. 基于近似密度初始化的医学图像混合模型聚类[J]. 微电子学与计算机, 2010, 27(9): 168-171. DOI：

ZHANG Shu-wei, SONG Yu-qing, CHEN Jian-mei, et al. The Gaussian Mixture Model Clustering of Medical Image Based on Initialization of Approximate Density Function[J]. 2010, 27(9): 168-171. DOI：

摘要

基于EM(ExpectationMaximization)的混合模型聚类的效果与参数的初始值存在密切的关系.提出了一种基于近似密度的EM参数初始化方法

该方法用近似密度估计聚类样本点

再根据每个聚类统计EM的混合比、均值、协方差参数的初始值.并应用于人体腹部医学图像数据的高斯混合模型聚类分析

实验结果表明该方法比Kmeans随机初始化方法有更好的聚类效果.

Abstract

The performance of EM algorithm heavily depends on the initial values of the parameters in EM.In this paper

The approximate density function is adopted to initialize EM.The method estimate samples by the approximate density function and statistics mixturerate

mean value

and covariance.The application of these parameters in analysis of Gaussian Mixture Desity Mode based on real human abdomen medical images and the results of experiments show that it can achieve better effect than Kmeans and random initialization.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于改进RT-DETR的航拍小目标检测算法

基于多尺度融合与小目标增强的航拍车辆检测算法

基于反向体偏置的高增益稳定性高温运放设计

超低功耗实时时钟电路的设计

基于监控指标关联性的微服务异常检测