MATLAB模糊聚类分割算法

模糊聚类算法的最佳算法程序,简述了相关的模型及方法并附有相关的程序。

fcm（模糊c均值聚类）算法在MATLAB中实现。

图像分割方法研究模糊C均值聚类算法及其在图像分割中的应用

提出了一种基于量子粒子群的改进模糊聚类图像分割算法。针对FCM图像分割算法对聚类中心初始值比较敏感的缺点,利用量子粒子群优化算法强大的全局搜索能力寻找最优解,能够有效降低图像分割算法对初始值的依赖程度

由于一维混沌映射有可能退化为周期以及密钥空间相对太小等缺点。现结合一次耦合形式的二维Logistic混沌映射，由此映射生成混沌序列，在空域上对图像进行加密，然后对其加密后的图像进行小波分解，对其小波系

模糊聚类算法介绍，介绍模糊聚类的主要思想及分类

针对模糊c-均值(FCM)聚类算法受初始聚类中心影响,易陷入局部最优,以及算法对孤立点数据敏感的问题,提出了解决方案:采用快速减法聚类算法初始化聚类中心,为每个样本点赋予一个定量的权值,用来区分不同的

本文的亮点提出了一种新方法来处理预报问题，通过高阶模糊逻辑关系及聚类方法。利用自聚类算法把论域分解成不同长度区间，从事实现预报。这是一篇基于模糊算法的预报文章。

图像分割:利用图像的灰度、颜色、纹理、形状等特征,把图像分成若干个互不重叠的区域,并使这些特征在同一区域内呈现相似性,在不同的区域之间存在明显的差异性。然后就可以将分割的图像中具有独特性质的区域提取出

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。