خوشه بندی داده‌هایی تصویری توسط الگوریتم رقابت استعماری

خوشه بندی ابزاری مهم در بسیاری از کاربردها به منظور گردآوری داده‌ها در خوشه‌های گروه‌ها است که داده‌ها را به نواحی مختلف معنی‌دار تقسیم می‌کند. خوشه بندی در پستی که تصویر را به زیر ناحیه های معنی‌دار تقسیم می‌کند مرحله‌ای ضروری در پردازش تصویر است. الگوریتم رقابت استعماری، یک الگوریتم بهینه‌سازی برگرفته از تکامل اجتماعی-سیاسی است. در این مقاله با ایجاد تغییراتی در این الگوریتم، الگوریتم بی‌جهت خوشه بندی تثبیت با نام الگوریتم امپراتوری‌های خوشه بندی بر تصاویر رنگی با عملگر ادغام CMCIA ارائه می‌شود که استفاده از عملگر اتکا موجب افزایش کارایی الگوریتم می‌شود. الگوریتم ارائه‌شده هم قابلیت اجرا طی تساوی سطوح خاکستری و هم تصاویر رنگی را دارد در این مقاله به خوشه بندی تصویر معنی پرداخته‌ایم. در پایان نتایج حاصل از دو نسخه الگوریتم در حالت بدون عملگر ادغام CCIA و باغ عملگر ادغام هم روی یک تصویر واقعی با یکدیگر مقایسه می‌شود. نتایج نشاندهنده کارایی الگوریتم بهبود یافته است. به عنوان نمونه خطای CCIA دفتر Onion در 10٬000 نسل 3/43582 الگوریتم بهبودی یافته 0/03318 است. زمان مصرفی الگوریتم بهبود یافته به میزان کمی از زمان مصرفی CCIA است. عنوان نمونه در تصویر Onion در 10٬000 نسل زمان CCIA 7/36686 و زمان الگوریتم بهبود یافته 7/89092 است.

کلیدواژه ها:

خوشه بندی ، الگوریتم رقابت استعماری ، سیاست دفع ، الگوریتم امپراتوری‌های خوشه بند در تصاویر رنگی با عملگر ادغام