模糊C均值聚類算法編程實現(xiàn)及應(yīng)用

馬 寶 秋

(石家莊職業(yè)技術(shù)學(xué)院 機電工程系，河北 石家莊　050081)

?

模糊C均值聚類算法編程實現(xiàn)及應(yīng)用

馬 寶 秋

(石家莊職業(yè)技術(shù)學(xué)院 機電工程系，河北 石家莊050081)

摘要：模糊C均值(Fuzzy C-Means)算法是在K-Means聚類算法的基礎(chǔ)上，利用模糊數(shù)學(xué)的原理進行的改進，討論了它的數(shù)學(xué)原理及使用C++語言編程實現(xiàn)的步驟，將其應(yīng)用于超聲圖像感興趣區(qū)域(ROI)的檢測，取得了可信的結(jié)果.

關(guān)鍵詞：Fuzzy C-Means；聚類；算法；編程

分類問題廣泛地存在于社會和自然科學(xué)中.所謂分類，就是把相似或相近的對象分到一組，讓在同一個組中的成員對象都有一些相似的屬性，在一個組中的各成員對象之間比不在同一組中的成員對象之間具有更多的相似性.聚類(Cluster)分析是解決分類問題的一個重要的統(tǒng)計分析方法[1].聚類時，不關(guān)心或者說根本不知道某一類是什么，目標是把相似的東西聚到一起.因此，聚類算法可以開始工作的前提是僅需知道如何計算相似度[1].

聚類方法非常豐富[2-3].根據(jù)K-Means聚類算法，每個數(shù)據(jù)對象都有其權(quán)重wji，由wji可構(gòu)成一個矩陣，該矩陣稱為隸屬度矩陣，表示每個數(shù)據(jù)對象屬于某個分類的“度”.由K-Means聚類的定義可知，wji不是1就是0，1代表該數(shù)據(jù)對象屬于某一分類，0則相反.因為每一個數(shù)據(jù)對象只能屬于一個分類，所以K-Means聚類的分類劃分是一種硬聚類，它把每個數(shù)據(jù)對象嚴格地劃分到某個類中，具有非此即彼的性質(zhì).

但是，由于分類的復(fù)雜性，硬聚類劃分往往力不從心.如，對于圖1所示的蝴蝶型數(shù)……