目录
- 1.算法原理
- 2.数学模型
- 3.结果展示
- 4.参考文献
- 5.代码获取
1.算法原理
【智能算法】麻雀搜索算法（SSA）原理及实现
2.数学模型
Kmeans是一种无监督的聚类算法,由于参数简洁,时间复杂度低已成功应用于图像分割,取得了良好的分割效果。但传统的 K 均值聚类算法易受初始聚类中心的影响,随机选择的聚类中心容易使算法陷入局部最优解,造成错误分割,影响分割质量。
算法步骤
Step1：给定由n 个像素点组成的样本数据集X,对样本数据随机采样,作为麻雀搜索聚类候选点
Step2：将聚类准则函数J 作为麻雀搜索的适应度函数,设置麻雀种群参数:
J
=
∑
j
=
1
K
∑
X
∈
W
j
(
t
)
∥
X
−
C
j
(
t
+
1
)
∥
2
(1)
J=\sum_{j=1}^K\sum_{X\in W_j^{(t)}}\parallel X-C_j^{(t+1)}\parallel^2\tag{1}
J=j=1∑KX∈Wj(t)∑∥X−Cj(t+1)∥2(1)
其中，K是聚类中心个数，Wj是第j个簇中的数据样本，Cj是第j个聚类中心位置。
3.结果展示
4.参考文献
[1] 刘可心,赵爽,苗玉彬.基于SSA-Kmeans聚类算法的青菜杂质图像分割[J].中国农机化学报,2024,45(02):151-156.
