Extended Fuzzy Possibilistic Segmentation
Rattachement africain : in. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
The Fuzzy_Possibilistic C_Means (FPCM) method is improved in this study by using Type-2 Fuzzy_Logic Techniques, with the goal of enhancing the algorithm's overall effectiveness. Using well-known datasets including Wine, WDBC, Iris Flower, Ionosphere, Abalone, and Cover type, a series of tests were carried out to evaluate the suggested technique and compare it with the Interval Type-2 Fuzzy C_Means algorithm. Additionally, tests were run on a collection of test photos to gauge how well both methods performed during the preprocessing stage. To ascertain the suggested approach's relative performance, comparison studies between the proposed algorithm and the Interval Type-2 Fuzzy C_Means (I T-2F CM) method were conducted.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Extended Fuzzy Possibilistic Segmentation
- Date Crossref
- 19/12/2023
- Éditeur
- IEEE
- Type
- proceedings-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Les institutions déclarées
Une affiliation ne permet pas de déduire la nationalité d’un auteur.