En primer lugar, este artculo presenta el algoritmo de C-means difuso basado en kernel regularizado adaptativamente y basado en la restriccin de pertenencia (G-ARKFCM). Bajo la idea del aprendizaje competitivo basado en penalizar a los oponentes, se introduce un nuevo elemento de penalizacin de la funcin de restriccin de membresa para cada punto de muestra en la imagen segmentada, de modo que el algoritmo ARKFCM ya no est limitado al ndice difuso =2. En segundo lugar, se introduce la optimizacin multiplicativa de componentes intrnsecos (MICO) en G-ARKFCM para obtener el algoritmo GM-ARKFCM, que puede corregir el campo de sesgo al segmentar imgenes HIE neonatales. Comparado con otros algoritmos, el algoritmo GM-ARKFCM tiene mejor calidad de segmentacin y robustez. El algoritmo GM-ARKFCM puede segmentar de forma ms completa los ventrculos neonatales y la sustancia blanca circundante y puede conservar ms informacin de la imagen original.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Algoritmo iterativo de desenredado de mallas mediante volteo de aristas
Artículo:
Algunas nuevas observaciones sobre la dinámica de un automóvil con dos remolques
Artículo:
Estabilización robusta de sistemas estocásticos con retardo temporal e incertidumbres no lineales
Artículo:
Autovalores de una clase de problemas de valor límite singular de ecuaciones diferenciales impulsivas en espacios de Banach
Artículo:
En algunos nuevos resultados de punto fijo con aplicaciones a ecuaciones de diferencia de matrices
Informe, reporte:
Diagnóstico sobre la logística del comercio internacional y su incidencia en la competitividad de las exportaciones de los países miembros
Infografía:
Sistemas de calidad. Six Sigma
Manual:
Química de los taninos
Artículo:
Influencia del COVID-19 en las dinámicas de exportación, producción y consumo de carne vacuna en Colombia y el mundo: Una revisión monográfica.