老師課件9-3圖像分割fcm_第1頁(yè)
老師課件9-3圖像分割fcm_第2頁(yè)
老師課件9-3圖像分割fcm_第3頁(yè)
老師課件9-3圖像分割fcm_第4頁(yè)
老師課件9-3圖像分割fcm_第5頁(yè)
已閱讀5頁(yè)，還剩12頁(yè)未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明：本文檔由用戶(hù)提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、模糊C均值聚類(lèi)圖像分割模糊C均值聚類(lèi)算法 FCM算法是一種基于劃分的聚類(lèi)算法，它的思想就是使得被劃分到同一簇的對(duì)象之間相似度最大，而不同簇之間的相似度最小。 模糊C均值算法是普通C均值算法的改進(jìn)，普通C均值算法對(duì)于數(shù)據(jù)的劃分是硬性的，而FCM則是一種柔性的模糊劃分。在介紹FCM具體算法之前我們先介紹一些模糊集合的基本知識(shí)。 隸屬度函數(shù)是表示一個(gè)對(duì)象x隸屬于集合A的程度的函數(shù)，通常記做A(x)，其自變量范圍是所有可能屬于集合A的對(duì)象（即集合A所在空間中的所有點(diǎn)），取值范圍是0,1，即0=1，A(x)epsilon iter=iter+1; U=U0; % Calculate centers Um

2、=U.m; sumU=sum(Um); mu=(Um*X)./(sumU*ones(1,n_dim); for j=1:n_cluster xv=X-x1*mu(j,:); d(:,j)=sum(xv*eye(n_dim).*xv),2); end % Update U0 d=(d+1e-10).(-1/(m-1); U0=(d./(sum(d,2)*ones(1,n_cluster);endFuzzy c-means聚類(lèi)算法（續(xù)） -Matlab程序?qū)崿F(xiàn)2022/9/4Fuzzy c-means聚類(lèi)算法（續(xù)） -Matlab程序?qū)崿F(xiàn)% Data are denormalizedmu=(repmat(data.max,size(mu,1),1) repmat(data.min,size(mu,1),1).*mu + .repmat(data.min,size(mu,1),1); % Resultsresult.U=U0;result.mu=mu;result.iter = iter;2022/

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間，僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論