一种加权模糊C均值聚类算法及其在图像分割中的应用

摘要

现有的加权模糊C均值聚类算法中,属性加权是一个不断迭代、重复计算的过程,费时费力.针对这种情况,提出Fisher线性判别率进行属性加权.算法首先直接计算每一维属性对模糊聚类的贡献度,其次对所有属性的贡献度进行归一化处理然后加权聚类.在人工和实际数据集所做实验表明:该算法在提高聚类速度的同时,聚类效果上也优于其他同类加权模糊C均值聚类算法.