基于粗糙集的K-均值聚类算法在图像分割中的应用.pdf

使用matlab实现图像的快速k均值分割，分割图像可以是彩色图像。

算法简介 ? k -means 算法也被称为 k - 平均或 k - 均值 是一种得到最广泛使用的聚类算法 它 是将各个聚类子集内的所有数据样本的 均值作为该聚类的代表点算法的主要 思想是通过迭代过程

K-means image segmentation

模糊C均值聚类算法（FCM）在硬C均值聚类的基础上有效地解决了医学图像分割中存在的模糊情况，通过建立表示图像中像素点与聚类中心加权相似度的目标函数，采用迭代优化的方法求解目标函数的极小值来确定最佳聚类

机器学习实战这本书中的数据集文本。

基于粗糙集的属性约简算法研究，粗糙集，约简算法

基于粗糙集的分层约简算法研究,张化光,梁洪力 ,本文针对海量信息系统的约简问题基于粗糙集理论提出了分层约简算法.给出了有核信息系统与无核信息系统的分层约简算法. 最后, 通过�

基于粗糙集的指纹图像分割和预处理方法，陈文俊，陈立潮，指纹图像分割是指纹识别预处理中很重要的一步。指纹边界具有模糊性和不确定性，粗糙集理论是用来处理不确定性的一种工具。本文提

图像分割（阈值迭代法和K-均值聚类法）,带测试图片。注意没有提供GUI界面。

Application of Clustering Algorithm in DICOM Image Processing