MATLAB模糊c均值算法FCM分类全解.ppt

模糊c均值算法FCM分类 遥感12-2班刘杰 1204090215 * 模糊c-均值聚类算法 fuzzy c-means algorithm (FCMA)或称（ FCM）。在众多模糊聚类算法中，模糊C-均值（ FCM） 算法应用最广泛且较成功，它通过优化目标函数得到每个样本点对所有类中心的隶属度，从而决定样本点的类属以达到自动对样本数据进行分类的目的。 FCM算法是一种基于划分的聚类算法，它的思想就是使得被划分到同一簇的对象之间相似度最大，而不同簇之间的相似度最小。模糊C均值算法是普通C均值算法的改进，普通C均值算法对于数据的划分是硬性的，而FCM则是一种柔性的模糊划分。 FCM聚类算法： 原图： 程序： %functio n [U,z,U1]=SARFCM %读入并显示图像 clear,clc IMGN=input(Input Original Image Name: ,s); img=imread(IMGN); figure imshow(img) title(原图); c=3; %分类数 m=2; %模糊度 e=0.0001; %阈值 A=double(img(:,:,1)); [n1,n2]=size(A); A=reshape(A,n1*n2,1); N=n1*n2; %样本数 U0=rand(N,c); U1=sum(U0,2 ); %求出每一行的元素总数 U2=repmat(U1,1,c);%将每一行总数复制成n*c矩阵 U=U0./U2; clear U0 U1 U2; U0=U; a=1; Z=0; while a for j=1:c V(j)=sum(U(:,j).^m.*A)/sum(U(:,j).^m); %求聚类中心 W(:,j)=abs(repmat(V(j),N,1)-A); %距离 end for i=1:N for j=1:c; if W(i,j)==0 U(i,:)=zeros(1,c); U(i,j)=1; else U(i,j)=1/sum(repmat(W(i,j),1,c)./W(i,:)).^(2/(m-1)); %求隶属度 end end end if max(max(abs(U-U0)))e a=0; end Z=Z+1 if Z100 break end end %输出图像 t=max(U,[],2); t=repmat(t,1,c); %最大值排成1*c U=double(t==U); for i=1:N F(i)= find(U(i,:)==1); end F=reshape(F,n1,n2); map=[1,1,1;0,0,0;1,0,0;0,1,0;0,0,1] figure,imshow(uint8(F),map) 算法运行过程： 算法运行过程： 算法运行过程： 成图： *