《表2 不同聚类中心初始化方法对应的Dice相似性系数、误差平方根和平均耗时》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于先验知识和模糊C均值聚类算法的脑部磁共振图像分割研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:表中FCM为标准C均值算法；NFCM为邻域FCM算法；NL-R-FCM为非局部强健FCM算法；NL-FCM为非局部FCM算法；NL-Reg为非局部正则化算法；RFCM为强健FCM算法；PIGFCM为基于先验知识引导FCM算法。

（3） 不同聚类中心初始化方法对分割算法的影响，基于先验知识的聚类中心初始化方法获得的平均Dice相似性系数均小于随机分配方法，其中FCM算法的平均Dice相似性系数保持不变，NFCM算法从0.91提升到0.92，PIGFCM算法从0.95提升到0.97。三种算法的RMSE均有所提升，且本研究提出的PIGFCM算法平均耗时是NFCM算法的0.17倍，FCM算法的0.81倍。表明本研究提出的先验知识模型能提升FCM算法分割性能，且本研究提出的分割算法具有更强的收敛性、抗噪性和分割精确度（见表2）。