模糊聚類分析技術(shù)及其應(yīng)用研究.pdf

1、本文對(duì)模糊C-均值聚類方法進(jìn)行了較為深入的研究，并將其應(yīng)用于圖像和自造樣本集的聚類。主要完成了以下工作： 1、在介紹了傳統(tǒng)的模糊聚類方法的基礎(chǔ)上，詳述了硬C-均值聚類算法和模糊C-均值聚類算法的基本思想和算法步驟，給出了改進(jìn)約束條件的模糊C-均值聚類算法。 2、對(duì)模糊C-均值聚類算法中的參數(shù)進(jìn)行了較為詳細(xì)的研究，討論了算法中的聚類中心初始化問題，模糊加權(quán)指數(shù)m的確定，距離范數(shù)的選取和目標(biāo)函數(shù)的收斂性問題；提出了兩種確定聚

2、類類別數(shù)C的方法，并將算法運(yùn)用于圖像和自造樣本集的聚類。 3、將模糊C-均值聚類算法應(yīng)用于圖像的二值化，將其結(jié)果與五種圖像的二值化方法：最大方差法、最大交叉熵法、最小交叉熵法、最大模糊散度法、最小模糊散度法的結(jié)果進(jìn)行了比較。 4、在基于gλ模糊測(cè)度模糊聚類方法的基礎(chǔ)上，提出了基于gλ模糊測(cè)度的加權(quán)模糊聚類方法，并給出了基于統(tǒng)計(jì)特性的權(quán)值計(jì)算方法。分別利用圖像的一維灰度特征與一維灰度直方圖加權(quán)、二維灰度特征與二維灰度直方圖