模糊c均值聚类.pptxVIP

基于一种新的加权模糊C均值聚类的遥感图片分类;论文结构;研究内容;1、K-均值聚类（C-均值） 算法目的 ：各个样本与所在类均值的误差平方和达到最小; 举一个简单的例子来说明问题： 设有一组数据集x1=(2,1),x2=(1,3),x3=(6,7),x4=(4,7) 目标函数： 同一类的中心点：;2、模糊C-均值聚类 ;3、加权模糊C-均值聚类 ;; 实验数据集： Iris data set是由Ronald Fisher在1936提出的多元数据集，作为判别分析的一个例子，用来分辨鸢尾花卉的种类。Iris data set：150个数据点、4-D特征（花萼长度、花萼宽度、花瓣长度、花瓣宽度）、分属3个类、每类50个点 实验方法： 实验分别使用3种模糊加权指数m（2、2.5、3） 实验分别使用3种算法（FCM、FWCM、NW-FCM） 随机产生初始聚类中心或隶属矩阵，改变算法和加权指数分别重复进行1000次实验。 运算停止条件：迭代前??隶属度矩阵的差异小于0.00001或迭代次数大于100;实验分析和结果;1、新加权模糊C均值聚类在聚类的准确性和稳定性上具有优势 2、可用于图像识别、图像分割和模式识别 3、FCM聚类中心表示的是每个类的平均特征，可以认为是这个类的代表点。