Resumen

Este artículo presenta el establecimiento de un método variacional difuso biconvexo (BFV) con optimización basada en el aprendizaje y la enseñanza (TLBO) para la segmentación geométrica de imágenes (GIS). En primer lugar, se adopta una función de objeto biconvexo para procesar GIS. Luego, se introduce TLBO para optimizar al máximo el ítem de penalización de longitud (LPI), que se modificará bajo la fase de enseñanza y aprendizaje de TLBO, haciendo que el LPI se acerque más al límite objetivo. Posteriormente, el LPI puede ajustarse en función de la función de aptitud, es decir, los estándares de evaluación de la calidad de la imagen. Finalmente, el ítem LP se combina con el orden numérico para obtener mejores resultados. Se comparan diferentes estrategias de GIS con diversas funciones de aptitud en términos de precisión. Las simulaciones muestran que el método presentado es más efectivo en esta área.

• Materias:Sistemas lineales difusos Reglas difusas Conjuntos borrosos Sistema de bobinado
• Subjects:Linear fuzzy systems Fuzzy rules Fuzzy sets Winding system
• Palabras claves:Papel; Variacional borroso biconvexo; Método BFV; Optimización basada en el aprendizaje enseñanza; TLBO; Segmentación geométrica de imágenes
• Keywords:Paper; Biconvex fuzzy variational; BFV method; Teaching learning based optimization; TLBO; Geometric image segmentation