几种优化FCM算法聚类中心的方法对比及仿真

摘要：

模糊C-均值聚类( FCM)算法由于能够很好地解决像素分类的不确定性而得到广泛应用，但是聚类中心的初始化对其分割效果有很大的影响。文中以初始聚类中心为重点，分别用K均值算法、遗传算法、蚁群算法、粒子群优化算法优化FCM算法初始聚类中心，将优化后的结果作为FCM的初始聚类中心，并利用MATLBA软件进行了实验仿真。通过实验结果对比分析，不仅优化后的运算时间有所减少，而且所得的聚类中心更加稳定，使得分割出的目标也更加完整、清晰，验证了改进算法的有效性。

关键词：模糊C-均值聚类、聚类中心、智能算法、参数优化

分类号：TP391(计算技术、计算机技术)

资助基金：甘肃省自然科学基金项目1310RJZA057

在线出版日期：2015-06-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：17-20