3加斑点噪声对图像模糊聚来分割的处理结果
f五,算法综述模糊划分的概念最早由Ruspi
于1969年提出的提出,利用这一概念人们提出了多种聚类方法。模糊聚类分析按照聚类过程的不同大致可以分为三大类:(l)基于模糊关系的分类法(2)基于目标函数的模糊聚类算法(3)基于神经网络的模糊聚类算法
模糊聚类属于模式识别中的无监督学习它不需要训练样本可以直接通过机器学习达到自动分类的目的
模式识别中最关键的技术就是特征提取模糊聚类不但能从原始数据中提取特征而且还能对特征进行优化选择和降维在提取特征之后模糊聚类还可以提供最近邻原型分类器以及进行空间划分和模糊规则的提取帮助构造基于模糊IFTHEN规则的分类器在物体识别和线条检测中模糊聚类可以用于原始的数据上也可用于变换域中在模式识别的一些具体应用领域中模糊聚类也取得了较好的结果比如汉字识别的字符预分类、语音识别中的分类和匹配等C均值算法的隶属度要么是1要么是0这不能反映数据点与类中心的实际关系为了处理这个问题人们引入了模糊集的概念使用模糊数学理论的聚类算法被称为模糊聚类算法自1969年Ruspi
i首先提出第1个解析的模糊聚类算法以来已经有很多人提出了许多的模糊聚类算法基于模糊划分的模糊聚类算法其主要思想是将经典划分的定义模糊化文献中主要有两种比较成功的思路来实现这种模糊化一是在C均值算法的目标函数中引入隶属度函数的权重指数二是在C均值算法目标函数中引入信息熵
fr