论文研究一种基于改进模糊C均值聚类的快速彩色图像分割 .pdf

基于模糊聚类的图像分割技术研究，主要是对图像分割的经典方法进行了介绍，并对具体问题了作出修改。

针对传统模糊C均值聚类算法和基于K-means优化聚类中心的模糊C均值算法存在初始聚类中心敏感、聚类速度收敛慢、聚类算法需要人为给定聚类数目等缺陷，受密度峰值聚类算法（ClusteringbyFast

目前大部分XML查询语言都使用树模式来匹配待查询的XML文档树以得到所需要的、与模式树相吻合的查询结果，此效率在很大程度上取决于XML模式树的大小，那么尽可能快速地查找并删除查询模式树中的冗余节点就变

论文研究-基于遗传优化的采样模糊C均值聚类算法.pdf, 在数据挖掘领域,模糊C均值聚类法(FCM)在处理小量低维的数据挖掘时是有效的,但是面向数据库的数据挖掘经常要处理大量、高维的数据.在这种情况下

针对模糊C-均值聚类算法过度依赖初始聚类中心的选取,从而易受孤立点和样本分布不均衡的影响而陷入局部最优状态的不足,提出一种基于自适应权重的模糊C-均值聚类算法。该算法采用高斯距离比例表示权重,在每一次

模糊聚类算法具有较强的实用性，但传统模糊C均值算法（FCM）具有对样本集进行等划分趋势的缺陷，没有考虑不同样本的实际分布对聚类效果的影响，当数据集中各样本密集程度相差较大时，聚类结果不是很理想。因此，

基于改进量子进化核聚类的图像分割算法，段晓琳，冀小平，传统的量子进化算法用于搜索某些函数的极值时精确度较低并且稳定性较差，针对这一问题，借鉴模拟退火算法，根据进化代数及个体的

模糊C均值聚类分割算法，经测试分割效果良好，载入图像数据，直接调用即可

模糊C均值在电能质量检测方面的相关应用文章

模糊c均值聚类对于基于内容的图像检索起了越来越重要的作用，而matlab软件内置的功能则为模糊c均值聚类提供了方便快捷的实现方式