摘要:模糊C-均值(Fuzzy C-Means,FCM)聚類算法是一種基于劃分的無監督聚類算法,也是較為常見的圖像分割算法之一,該算法通過尋找0~1之間的模糊隸屬度等級來進行圖像分割,并通過在特征空間中尋找聚類中心來達到最小化目標函數的目的。它的局限性主要有實時性較差、初始聚類中心的設置對最終結果影響較大、未考慮空間因素導致抗噪性弱。本文將mini-batch方法應用到FCM算法中,加快了FCM算法的收斂速度,提高了算法的效率及時效性,一定程度上解決了當數據特征復雜、集合較大時,FCM算法的實時性不是很理想的問題,繼而節省算法運行的時間。
注:因版權方要求,不能公開全文,如需全文,請咨詢雜志社。
現代信息科技雜志, 月刊,本刊重視學術導向,堅持科學性、學術性、先進性、創新性,刊載內容涉及的欄目:信息技術、電子技術、電子通信工程、計算機科學、信息安全、互聯網等。等。于2017年經新聞總署批準的正規刊物。