模糊聚类的图像分割实验报告.doc

实验一 基于模糊聚类的图像分割一，实验目的 通过模糊c-均值（FCM）聚类实现图像的分割。二，算法描述动态聚类方法的目的是把n个样本划分到c个类别中的一个，使各样本与其所在类均值的误差平方和最小。FCM聚类算法的目标函数为： Min (U,Z) = （1）其中m1是一个可以控制聚类结果的模糊程度的常数。在不同的隶属度定义方法下最小化式（1）的损失函数，就得到不同的模糊聚类方法。其中最有代表性的模糊C均值方法，要求一个样本对于各个聚类的隶属度之和为1，即 （2） 在条件（2）下求式（1）的最小值，令对和的偏导数为0，可得必要条件： （3）三，变量说明 P 数据样本维数（灰度图像时为1）； N 像素点数目； X 像素i特征（灰度图像时，表示灰度值）； C 图像分割类别数； U 像素点i属于第j类的隶属度； Z 第i类聚类中心；四, 算法步骤Step1:设置目标函数精度，