Journal of the Korean Institute of Intelligent Systems (한국지능시스템학회논문지)

Korean Institute of Intelligent Systems (한국지능시스템학회)
권호 표지
DOI QR코드

DOI QR Code

A Density Estimation based Fuzzy C-means Algorithm for Image Segmentation

영상분할을 위한 밀도추정 바탕의 Fuzzy C-means 알고리즘

  • 고정원 (한양대학교 전자 컴퓨터 제어 계측 공학과) ;
  • 최병인 (한양대학교 전자 컴퓨터 제어 계측 공학과) ;
  • 이정훈 (한양대학교 전자 컴퓨터 제어 계측 공학과)
  • Published : 2007.04.25
Download PDF
⟨ Previous Next ⟩

Abstract

The Fuzzy E-means (FCM) algorithm is a widely used clustering method that incorporates probabilitic memberships. Due to these memberships, it can be sensitive to noise data. In this paper, we propose a new fuzzy C-means clustering algorithm by incorporating the Parzen Window method to include density information of the data. Several experimental results show that our proposed density-based FCM algorithm outperforms conventional FCM especially for data with noise and it is not sensitive to initial cluster centers.

Fuzzy C-Means (FCM) 알고리즘은 probabilitic 멤버쉽을 사용하는 클러스터링 방법으로서 널리 쓰이고 있다. 하지만 이 방법은 노이즈에 대하여 민감한 성질을 가진다는 단점이 있다. 따라서 본 논문에서는 이러한 노이즈에 민감한 성질을 보완하기 위해서 데이터의 밀도추정을 이용하여 새로운 FCM 알고리즘을 제안한다. 본 논문에서 제안된 알고리즘은 FCM과 비슷한 성능의 클러스터링 수행이 가능하며, 노이즈가 포함된 데이터에서는 FCM보다 더 나은 성능을 보여준다.

Keywords

References

  1. J Bezdek, Pattern Recognition with Fuzzy Objective Function Algorithms. New York Plenum Press, 1981
  2. R. Krishnapuram and J Keller, 'A Possibilistic Approach to Clustering,' IEEE Transactions on Fuzzy Systems, vol. 1, no. 2, pp. 98-110, 1993 https://doi.org/10.1109/91.227387
  3. K. Chintalapudi and M. Kam,' A Noise Resistant Fuzzy C means Algorithm for Clustering,' IEEE Int. Conf. Fuzzy Systems (FUZZIEEE1998), Anchorage, AK, May 4-9, 1998
  4. N. Pal, K. Pal, and J Bezdek, 'A Mixed CMeans Clustering Model,' IEEE Int. Conf. Fuzzy Systems, 1997, Spain, pp. 11-21
  5. L.E.Scales, Introduction to Non- Linear Optimization. New York: Plenum Press, 1981
  6. H. Duda, P. Hart, and D. Stork, Pattern Classification Second ed. John Wiley & Sons, 2001
  7. A. Bowman and A. Azzalini, Applied Smoothing Techniques for Data Analysis. London: Oxford University Press, 1997