模糊C均值聚类(FCM)图像分割法是一种典型且常用的模糊聚类图像分割算法，该方法原理简单，迭代过程能够自适应，但是该方法也存在一些明显的缺陷：对噪声敏感且对重叠部分图像分割不准确。鉴于此，在已有的改进FCM算法的基础上，本文将模糊集扩展为直觉模糊集，并结合图像的空间信息提出了一种...

伴随着模糊集理论的形成、发展和深化，RusPini率先提出模糊划分的概念。以此为起点和基础，模糊聚类理论和方法迅速蓬勃发展起来。针对不同的应用，人们提出了很多模糊聚类算法，比较典型的有基于相似性关系和模糊关系的方法、基于模糊等价关系的传递闭包方法、基于模糊图论的最大支撑树方法，以...

 伴随着模糊集理论的形成、发展和深化，RusPini率先提出模糊划分的概念。以此为起点和基础，模糊聚类理论和方法迅速蓬勃发展起来。针对不同的应用，人们提出了很多模糊聚类算法，比较典型的有基于相似性关系和模糊关系的方法、基于模糊等价关系的传递闭包方法、基于模糊图论的最大支撑树方法，...

1 如何理解模糊聚类 事物间的界线，有些是明确的，有些则是模糊的。当聚类涉及到事物之间的模糊界线时，需要运用模糊聚类分析方法。 如何理解模糊聚类的“模糊”呢：假设有两个集合分别是A、B，有一成员a，传统的分类概念a要么属于A要么属于B，在模糊聚类的概念中a可以0.3属于A，0.7...

首先，通过引入形态学重构操作将图像的局部空间信息纳入FRFCM中，以保证抗噪性和图像细节保留。其次，基于局部空间邻居和聚类中心内像素之间距离的成员资格分区的修改被仅依赖于成员资格分区的空间邻居的局部成员资格过滤所取代。与最新的算法相比，提出的FRFCM算法更简单且速度明显更快，因...

K-Means 聚类算法的目标是将 n 个样本划分(聚类)为 K 个簇，该算法通过找到簇的中心并将输入样本分组到簇周围。在本文中，利用 K-Means 聚类进行色彩量化，以减少图像中颜色数量。

.       在日常生活中，有许多事物或多或少都具有模糊性，模糊虽难以捉摸，但却非常重要。模糊理论强调以模糊逻辑来描述现实生活中的事物，以弥补二值逻辑无法对不明确定义边界事物描述的缺点。人类的自然语言在表达上具有很大的模糊性，难以用二值逻辑来完全描述现实生活中的事物。故模糊理论...

聚类分析（cluster analysis ）：是一组将研究对象分为相对同质的群组（clusters）的统计分析技术。聚类分析也叫分类分析，或者数值分类。聚类的输入是一组未被标记的样本，聚类根据数据自身的距离或者相似度将其划分成若干个组，划分的原则是组内距离最小化而组间（外部）距...