模式识别经典算法——FCM图像聚类分割（最简matlab实现）

从kmeans各个样本所属类别 的非此即彼（要么是0要么是1，如果建立一个归属矩阵$N\ast k$，每一行表示样本的归属情况，则会得到，其中一个entry是1，其他是0），到走向模糊（Fuzzy），走向不确定性（此时的归属（fuzzy membership）阵$P({\mu }_i|x_j)i\in 1,\dots k,j\in 1,\dots N$，每个元素都会是[0-1]之间的概率值，行和要求为1）。无疑，基于模糊理论的$FCM$是站在了$kmeans$的肩膀上，这与其说是一种算法的改进，不如说是一种思想的进化。

算法的规格

算法的记号及参数

记号

• 隶属度函数$P({\mu }_i|x_j)$，表征样本$x_j$隶属类别（cluster）${\mu }_i$的程度，即允许一个样本隶属于多个类别，只不过程度不同而已。
• 参数$b$，用来控制不同类别的混合程度的自由参数。当$b$取1时，$FCM$聚类分割算法退化为普通的 k m e a n s kmeans