一种改进的FCM算法在手写数字识别中的应用.pdfVIP

年 月 湖北工业职业技术学院学报 ， 2016 4 Apr. 2016 第 卷第 期 29 2 Journal of Hubei Industrial Polytechnic Vol.29 No.2 一种改进的FCM算法 在手写数字识别中的应用 姜 琴 （郧阳师范高等专科学校 计算机科学系，湖北十堰 442000 ） 摘 要： 模糊 均值（ ， ）算法是一种非常实用的模糊聚类算法，在非监督模 c FCM Fuzzy c-Means 式分类中占据着重要的地位。 而手写数字识别在现实中也有着非常广泛的应用，如邮政编码、统 计报表、银行票据等等。 在FCM算法基础上，加入部分监督信息，并对手写数字图像用Zernike矩 来筛选特征，最后通过MATLAB 编程，验证了该改进的FCM算法对手写数字识别具有一定的可 靠性。 关键词： FCM算法；手写数字识别；部分监督 中图分类号： 文献标识码： 文章编号： （ ） TP391 A 2095-8153 2016 02-0105-04 0 引言 根据是否有教师指导， 聚类方法分为无监督聚类和有监督聚类。 对于没有任何先验知识来指导的分 类，称之为无监督聚类；而有监督聚类，是指事先已知部分样本的隶属类别，需用一定的方法再对未知的样 本划分类别的聚类。 ［ ， ］ 在无监督聚类中，理论上比较完善并且应用非常广泛的是模糊 均值（ ， ） 1 2 类型的 c FCM Fuzzy c-Means 聚类算法。 在实际中，若有一定的先验知识，即已知某些样本属于某个类别时，可以将该先验知识加入到 FCM算法中，从而，人们研究出了多种具有部分监督信息的FCM算法。 1 FCM算法 设 ， ，…， n×q为样本集合， 为样本数， 为特征空间的维数。记 为类别数， ［ ］ 为模糊 X={X X X } 奂R n q c U= u 1 2 n ij c×n 划分矩阵：其中 （ ， ）表示第 个样本 属于第 个类别的隶属度， 应满足以下二个约束条