• Tidak ada hasil yang ditemukan

INISIALISASI PUSAT CLUSTER MENGGUNAKANARTIFICIAL BEE COLONY PADA ALGORITMA POSSIBILISTIC FUZZY C-MEANS UNTUK SEGMENTASI CITRA

N/A
N/A
Protected

Academic year: 2018

Membagikan "INISIALISASI PUSAT CLUSTER MENGGUNAKANARTIFICIAL BEE COLONY PADA ALGORITMA POSSIBILISTIC FUZZY C-MEANS UNTUK SEGMENTASI CITRA"

Copied!
10
0
0

Teks penuh

Loading

Gambar

Gambar 1.  Alur Proses Possibilistic Fuzzy C-Means (PFCM) dengan pusat cluster menggunakan Artificial Bee Colony (ABC)
Tabel 2 Hasil paired sample t-test SSIM ABC-PFCM dan PFCM  pada citra sintetis
Tabel 6 Hasil paired sample t-test jumlah iterasi ABC-PFCM dan PFCM  pada citra

Referensi

Dokumen terkait

Density-Based Clustering merupakan salah satu metode segmentasi yang mengelompokkan citra menjadi beberapa cluster berdasarkan tingkat density dari masing-masing region

Tujuan dari penelitian ini adalah mengkombinasikan dan mengimplementasikan algoritma Fuzzy C Means dengan Statistical Region Merging untuk proses segmentasi citra

Penelitian ini menggunakan informasi ciri tekstur dan warna sebagai informasi klasifikasi dalam mengenali jenis penyakit noda pada citra daun tebu yang terdiri dari noda

Tujuan dari penelitian ini adalah mengkombinasikan dan mengimplementasikan algoritma Fuzzy C Means dengan Statistical Region Merging untuk proses segmentasi citra

Metode yang digunakan dalam melakukan segmentasi pada citra digital aksara jawa pada perangkat lunak ini adalah metode clustering.. Algoritma clustering yang digunakan

Tujuan dari penelitian ini adalah mengkombinasikan dan mengimplementasikan algoritma Fuzzy C Means dengan Statistical Region Merging untuk proses segmentasi citra

Berdasarkan hasil uji coba yang telah dilakukan pada tugas akhir ini, kombinasi Agglomerative Clustering dan K-Means menghasilkan jumlah cluster dan

Dalam penelitian ini, sebuah pendekatan segmentasi citra yang menggabungkan model warna LAB dan algoritma clustering K-Means diajukan untuk memisahkan dengan akurat area yang berisi