计算机工程与科学

作者：娄莉, 张慧茹

单位：西安石油大学计算机学院,陕西 西安 710065

关键词：麻雀搜索算法,反向学习,高斯-柯西变异,模糊c均值,图像分割,

基金：陕西省2021年重点研发计划(2021GY-138)；西安石油大学研究生创新与实践能力培养计划(YCS22214281)

模糊c均值FCM聚类算法以其实现简单、符合实际等优点成为许多研究人员在进行图像分割时的选择,但传统的FCM算法也存在缺点：聚类中心随机初始化。为了恰当选取聚类中心,提出了一种混合多策略的麻雀搜索算法,利用麻雀搜索算法较强的寻优能力来优化FCM算法的初始聚类中心,提高FCM算法的分割效果。算法思路如下：首先,针对麻雀搜索算法后期种群多样性变差的问题,引入Fuch混沌映射；针对麻雀种群易在局部极值点震荡的问题,引入小孔成像反向学习对发现者位置进行更新；针对麻雀种群全局搜索能力较差的问题,引入高斯-柯西变异对跟随者位置进行更新；最终得到一种寻优精度和速度都较好的改进麻雀搜索算法,将FCM算法的目标函数作为改进麻雀搜索算法的寻优函数,进行自然场景和细胞图像分割实验,与标准的FCM算法相比,该算法的平均划分系数提升了5个百分点左右,鲁棒性也有所提升。

来源：2025年第12期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2025年第12期