Fuzzy C-mean 聚类原理及图像颜色分割的实例

模糊C均值(FCM)聚类算法是一种聚类方法,通过最小化目标函数J(u)进行迭代求解。它与K-means相似但不同,K-means是硬指派,而FCM是软指派,以概率值表示样本归属类别。在FCM中,样本对每个类别的贡献通过概率值归一化计算,并需要预设聚类数量。由于目标函数非凸,可能导致局部最优,可通过多次迭代和不同初始化来改善。FCM在图像颜色分割等场景中有应用,但计算时间随聚类中心数量增加而增加。
摘要由CSDN通过智能技术生成

Fuzzy C-mean(FCM,模糊C均值)聚类:

N个样本,将它们聚类到C个集合中,使得目标函数J(u)最小


其中,uij指的是第i个样本xi属于第j个聚类中心点cj的概率值,取值范围[0.0-1.0]。cj是聚类中心点。

显然,对于以上的最小问题求解,除了样本xi已知,其余两个都是未知量,不能直接求解析式uijcj的解,因为这两个未知数是相互相关的,如cj由样本xiu

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值