模糊聚类算法在式分类中的应用研究.pdf

摘要 11111 1 III 1 11111l itI IIl Y1829391 摘 要 模式分类是机器学习、人工智能等研究领域的重要基础。自模式识别这一学科产生 以来多种方法被应用于其中，但是由于实际生活中的多数的分类问题没有清晰的界限， 所以人们提出了将模糊理论引入到聚类问题中，并将模糊聚类算法成功的应用于解决模 式分类问题。本文主要研究了模糊C均值(FCM)的改进及其应用。 文中首先总结介绍模糊聚类的一些基础知识以及常用模糊聚类算法。通过对高维数 据的分类，比较了硬C均值、模糊C均值算法的聚类效果和算法性能，并且总结了两种 算法的区别与联系。因为希望能将非线性聚类问题简化而引入了模糊核聚类的概念，通 过与模糊C均值算法的比较，总结了模糊核聚类的优缺点。 模糊C均值一个最广泛的应用就是图像分割。考虑到图像空间邻域信息以及各像素 点贡献率的不同，引入了基于加权的模糊C均值聚类算法。通过比较证实了初始聚类中 心选取对聚类结果的影响，因此利用灰度直方图信息改