模糊聚类

摘要： 针对许多多示例算法都对正包中的示例情况做出假设的问题,提出了结合模糊聚类的多示例集成算法(ISFC)。结合模糊聚类和多示例学习中负包的特点,提出了“正得分”的概念,用于衡量示例标签为正的可能性,降低了多示例学习中示例标签的歧义性;考虑到多示例学习中将负示例分类错误的代价更大,设计了一种包的代表示例选择策略,选出的代表示例作为基分类器的训练子集;结合各基分类器的结果,确定包的最终标签。ISFC算法对正包中正示例的比例未做任何假设,同时能够解决正包数量多、负包数量少情况下的类别不平衡问题。实验结果表明,ISFC在药物分子活性预测、图像分类、文本分类任务上都取得了较好的分类效果。

摘要： 以提高移动终端用户个性信息挖掘性能目的,提出基于标签映射的移动终端用户个性信息挖掘方法。通过所得用户个性信息标签构成标签集合,利用标签集合表征用户个性信息并构建用户个性信息标签库,通过出现频数比设定阈值高的标签建立模糊矩阵的特征维,结合相似度计算与特征映射思想计算每一特征维上的特征值,通过模糊聚类得到不同阈值下的用户个性信息聚类结果,实现移动终端用户个性信息挖掘。实验结果表明:上述方法具有较高的挖掘准确率与较好的挖掘可扩展性,移动终端用户个性信息数据挖掘性能较好。

摘要： 对管制扇区进行科学分类,有助于了解不同类别扇区的运行特征,为管制运行管理提供优化依据。针对国内外在扇区分类方面研究的匮乏和分类专项管理较为粗放的现状,通过模糊聚类和遗传算法等机器学习算法,研究了一种基于动态运行特征的空中管制扇区分类方法。基于ADS-B雷达航迹数据,建立反映扇区动态运行特性的指标集。引入核函数和遗传算法改进模糊C均值聚类算法,运用改进的算法对选取的中国华东和中南地区97个扇区进行分类研究。采用Silhouette系数和KXB(Kernel Xie-Beni)指标确定最佳聚类数,根据聚类结果定义出5类运行特征各异的扇区,并通过仿真实验对扇区分类成果进行了合理性检验。研究结果表明:改进的算法在IRIS和WINE数据集上的聚类准确度较传统FCM算法提高了4.62%和26.96%,且具有较高的鲁棒性;扇区动态运行特征分析是将航空器空间行为和扇区繁杂程度及管制员工作负荷进行关联比较的有效途径;不同类型扇区的运行特征存在明显差异,模糊聚类算法相比于传统的硬聚类算法能有效处理扇区分类问题。

摘要： 为避免单幅散焦图像中光栅及空间不确定性的影响,改善图像的峰值信噪比、信息熵与平均梯度,提出基于模糊聚类的单幅散焦图像深度恢复方法。以原单幅散焦图像为依据,采用多分辨率分析法规划逐步下降分辨率的图像簇,并通过无监督模糊聚类法将物体轮廓化,完成单幅散焦图像物体与背景的分割。采用边缘细化暗通道去雾算法调整分割得到的物体轮廓边缘景深跳变位置的暗通道值,降低晕光现象。通过添加修正因子,减轻图像背景区域色彩失真情况,优化透射率,完成单幅散焦图像深度恢复。经实验验证:该方法恢复后的图像具有较高平均梯度、信息熵与峰值信噪比,且运算时间低,恢复后图像可见边数目多,说明该方法的图像恢复效果较好。

摘要： 针对互联网中存在的恶意行为,特别是社交网络应用中的在线恶意行为,通常使用基于用户多维特征的聚类分析算法进行检测。提出一种动态特征选择算法(DFSA),使用具有特征加权熵的模糊C均值目标函数,首先为参数构建一个学习模式,自动计算每个特征权重,并剔除权重小于阈值的特征,动态选择重要的特征,迭代地更新隶属函数、簇中心和特征权重直到最优化为止,最后识别出具有高精度的恶意用户行为簇。仿真结果表明,对比SDAFS算法、ELAFC算法和NADMB算法,DFSA算法在Rand指数、Jaccard指数和归一化互信息量3个主要性能指标上均有改善。

摘要： 基于长沙市10种典型植物叶片的多个滞尘指标,运用模糊数学理论构建植物的滞尘等级与识别模型,实现绿化植物滞尘综合量化评判方法的探究。首先,常规方法采集叶样后,运用打孔称质量法测量叶表面积参数,显微观察法计算植物叶表气孔与绒毛密度,干洗法测量单位叶面积最大滞尘量与自然滞尘量。然后,运用模糊聚类理论对10种植物滞尘指标进行滞尘等级划分与模式识别。模糊聚类将9种植物叶片的滞尘指标分为7个不同λ水平的聚类。其中λ为0.907时,F检验值为21.41,滞尘指标间差异最显著。9种植物滞尘指标聚为4种最优,9种植物可对应划分为低、中、较高与高4个滞尘等级,即金叶女贞(Ligustrum×vicaryi)滞尘等级最高,红花檵木(Loropetalum chinense)滞尘等级较高,瓜子黄杨(Buxus sinica)、金边黄杨(Euonymus japonicus)与红叶石楠(Photinia×fraseri)3种植物滞尘等级为中等,海桐(Pittosporum tobira)、冬青(Ilex chinensis)、月季(Rosa chinensis)、杜鹃花(Rhododendron simsii)滞尘等级最低。第10种植物小蜡在模式识别中辨识为中等滞尘等级。滞尘等级与模式识别结论与相关研究基本相符,模糊聚类构建的绿化植物叶片滞尘等级模式识别方法具有可操作性,可为绿化植物叶片滞尘效果综合量化评价提供新思路。

摘要： 红外光谱分析是基于分子振动与跃迁理论的鉴别物质化学组成的技术。得到的光谱数据常常具有较高的维数和重叠度,这给后续的数据处理带来困难。为此提出一种GK可能C均值聚类算法(GKIPCM),引入了GK聚类算法的马氏距离测度与改进的可能C均值聚类算法(IPCM)的模糊隶属度与聚类中心更新方程,使样本的距离测度具有自适应性且避免了聚类中心的一致性。GKIPCM算法具有分类精度更高,分类准确率对参数敏感性低的优点。将四组洗净白菜作为光谱分析对象,分别施加三种农药(高效氯氟氰菊酯)配比,采用安捷伦Cary630FTIR光谱仪采集白菜的傅里叶中红外光谱(FT-MIR)。首先对样本进行预处理,使用多元散射矫正(MSC)对光谱数据降噪,消除数据偏移量;其次,由于采集到的数据波数范围为4300~590cm^(-1),数据维数达到了971维,故使用主成分分析(PCA)对数据实现降维,降维后的数据维度减小到了23,且23个主成分的累积贡献率高达99.60%;但各类光谱的特征信息依然混杂在一起,故使用线性判别分析(LDA)提取特征鉴别信息,进一步将数据降至3维;最终,运行模糊C-均值聚类算法(FCM)得到较优初始聚类中心,使用GKIPCM算法对四类降维后的光谱数据进行聚类分析,并与GK聚类算法与IPCM聚类算法的运行结果作对比。GKIPCM算法的总迭代时长为0.2188s,分类准确率达到了97.22%。相较之下,GK算法与IPCM算法的准确率分别为63.89%和91.67%,运行的总时长为0.0938与0.0625s。从实验结果可看出,GKIPCM算法可以通过分析光谱数据从而完成对不同程度农药残留进行定性分析的任务。

摘要： 针对传统单病种医疗费用分析方法在处理大量数据时存在效率低下的问题,提出了一种基于模糊聚类和机器学习的医疗数据统计分析算法。该方法利用模糊聚类在处理大量相关性较强数据上的优势,得到了影响医疗费用的因素;同时,对机器学习中的BP神经网络进行改进,设置双层分类器来提高算法的聚类精准度。对比实验结果表明,文中所提出医疗数据统计分析算法的平均分类精准度比基于Adaboost算法的数据分析算法高5.75%,证明了该统计分析算法的有效性与优越性。

摘要： 为了准确评估电力企业安全,设计一款电力企业安全评估系统。该系统基于支持向量机进行开发,分为数据层、业务逻辑层以及表示层。用户在表示层下达评估指令,并将其传输至业务逻辑层,业务逻辑层围绕用户所需评估的电力企业信息安全评估问题类型,在数据库中使用基于模糊聚类分析的电力企业信息样本聚类方法,实现电力企业安全评价时的样本聚类与变量预处理。针对聚类与预处理后的电力企业安全评估数据,构建基于支持向量机的电力企业安全评估模型,并将评估结果传输至表示层,在操作界面反馈至用户。经实验验证,本研究所设计系统评估值与实际故障损失电量的差值很小,评估精度较高。

摘要： 直流配电网凭借自身独特优势,逐渐成为未来电网中配电环节发展的主流方向。以直流配电网为基础,针对其典型的电能质量问题进行综合评估,提出基于主客观综合赋权法的模糊聚类FCA的电能质量综合评估方法。构建与直流配电系统相匹配的电能质量综合评估指标体系,分别采用改进层次分析法AHP及熵权系数法计算指标主客观权重值,运用博弈论进行综合赋权;同时构建模糊聚类模型,对直流配电系统电能质量进行综合评估。通过算例分析,证明该综合评估方法的合理性和有效性,对完善电能质量综合评估体系与加强评估电能质量的科学性起到促进作用。

摘要： 针对大庆水驱砂岩油藏长时间注水开发,水动力场的不平衡、各向渗透性的差异以及油水粘度差别导致注入水长期沿着渗透率、含水较高的优势通道水窜,形成优势水流通道.优势水流通道识别有助于提高采收率,提高水驱效果.应用模糊聚类分析法在对优势水流通道进行判定时,根据大孔道的形成原因及其在开发中的表现特征,结合所研究区块的实际数据情况进行各项参数的筛选.通过引入权重系数,利用最小二乘法,求取注采井间关联度.应用模糊分布函数求得每项因素的隶属度,通过隶属度来表征决策因子的大小.模糊聚类分析法,可对影响形成优势水流通道的参数达到很好的分类效果,同时对于集合数据的适应性、复杂性以及数量性都能够很好的加以分类,由各参数建立一个与分类结果相关性最强的关系式.同时将核函数引入到模糊聚类的计算中,可以克服优势水流通道识别指标数据分布特征不稳定的缺陷.

摘要： 从具有高维度的作战模拟训练仿真数据中提取出直观且有价值的信息是一个非常重要的任务.本文中的作战模拟训练仿真数据主要指定量的数值化的仿真结果数据.传统的统计分析方法在作战模拟训练仿真数据的聚类、可视化和评估方面存在一些不足.本文提出一种基于模糊聚类的仿真数据评估方法.聚类是一种重要的统计分析技术,它通过识别有限的簇集来揭示高维数据背后所隐含的某些性质.本文提出一种新的基于测地距离和特征向量中心度的模糊c-Medoid聚类算法,然后本文提出使用一种基于模糊传递闭包的比较方法来对得到的聚类中心进行比较分析,从而得到所有簇的优劣等级的定性划分.本文提出的这些方法最终通过一个作战模拟训练仿真系统的例子进行了验证.

摘要： 结合流域机构对海河流域农业节水灌溉管理工作的现实需求,在综合考虑海河流域现状农业节水工作各项影响因素和制约条件的基础上,构建了海河流域农业节水分区评价指标体系,运用模糊聚类方法将海河流域划分为6个农业节水一级分区、19个农业节水二级分区,讨论了分区合理性,并结合最严格水资源管理制度的实施提出了下一步的工作方向.

摘要： 多层输油管道在连续运行过程中,管道破裂或穿孔等事故时有发生,严重威胁管道安全.因此,当泄漏发生时,能及时检测到泄漏的具体情况是十分必要的.本文针对实验室充液多层压力管道内水听器记录的实验测试数据,利用模糊聚类分析方法,通过模糊C均值动态聚类算法得到最优分类矩阵和聚类中心.根据该方法对不同的泄漏信号进行特征提取,对所提取的特征进行聚类分析,从而达到对多层管的泄漏信号进行分类和识别的目的.该方法能较为快速和准确的判断泄漏信号的压力范围和泄漏口尺寸大小范围以及定位其所属管层等关键信息.实验信号的处理结果,证明了此方法的有效性和可行性.

摘要： 随着云计算环境中各种服务数量的急剧增长,在现有服务发现方法中存在服务效率低下和查准率不高等问题.为此,本文提出一种基于改进模糊聚类的云服务发现方法.该方法给出一种面向聚类的服务发现框架,利用向量来描述服务,考虑服务各个因素间的复合关系对服务进行聚类.分析传统的模糊C-均值聚类算法对初始聚类中心选择与噪声数据敏感的缺点,聚类过程使用人工蜂群改进的模糊C-均值的算法来实现.实验结果证明了本文方法的有效性,并能大大提高云环境下服务发现的效率和准确率.

摘要： 根据田麦久博士提出的项群训练理论中竞技运动项目的分类体系,体能主导类速度性项群由短距离跑、游、速度滑冰等所有短距离竞速运动项目组成.它的特点是要求运动员在短时间内最大限度的动员神经-肌肉系统的潜能,从而有效的发挥体能,因此,对此类项群的竞技能力结构的要求是尽可能的提高运动员的力量素质以及快速反应和迅速动员能力,也可以说身体素质的发展水平是决定比赛成绩的关键因素.从动作结构上来看,这一项群属于单一动作结构周期性运动项目,技术动作相对简单,所以各种训练手段的最佳组合便成为提高训练效果的重中之重.文章根据模糊数学法原理和运算法则，制定最优训练计划，提高体能主导类速度性项群的科学化标准，科学地设计和不断调校运动员体能最佳结构，有利于提高运动成绩，从而为教练员科学决策提供重要参考依据。文章主要采用文献资料调研、问卷调查、专家访谈、模糊数学法、直接聚类法对体能主导类速度性项群训练手段进行模糊聚类分析，并根据控制论原理和模糊数学的运算法则对训练手段的比例分配进行了深入分析。研究结果如下：根据模糊数学法原理和运算法则，利用模糊数学计算公式（优先选择比的算法）Rij=Σrij=（1×出现的频数+0.75×出现的频数+0.5×出现的频数+0.25×出现的频数）×1，即得出体能主导类速度性项群训练手段与影响因素评判因素集，建立体能主导类速度力量性项群训练手段与影响因素之间的模糊相关矩阵，继而形成多层次模糊综合评判系统。体能主导类速度力量性项群对体能要求较高，训练手段的简练、实效、集中就显得特别重要，而每一种训练手段对其所对应的训练内容都有自己的侧重点，对训练的作用也各有所不同，为此通过直接聚类法对矩阵进行转置，将训练手段分为提高无氧代谢能力类、发展爆发力类、提高动作幅度类、提高动作速率类、改善反应能力类和发展综合素质类。为了使训练效果达到最佳化，根据模糊数学法运算法则，计算出在某一训练周期，不同手段所占的比例。对训练手段的优化组合是将训练手段的模糊集合中的各个数值逐个作最大到最小的相应运算，在众多训练手段中优选出对发展体能主导类速度性项群作用程度大的训练手段这样便可以通过科学的方法有针对性的选择和控制训练，而非通过一般的或凭经验的训练。建议：运用模糊数学方法对体能主导类速度性项群训练手进行量化分析是科学的，因此，在训练实践中应该广泛推广采用，以推动体能主导类速度性项群训练向科学化方向发展；人体作为一个复杂的巨系统，要运用多学科前沿性的理论知识来研究影响运动员专项成绩的主要因素。

摘要： 针对数字海图的成图质量评价问题,提出了一种模糊聚类和模糊模式识别相结合的数字海图质量评估方法,用于近似处理空间数据挖掘的模糊不确定性,减少不确定性对挖掘效果的影响.实例分析结果表明,本算法不仅能够有效地降低海图空间数据挖掘的不确定性,而且能够客观地对数字化作业员的成图质量进行评价,因此有良好的应用价值.

摘要： 随着天地空海一体化对地观测网络的完善和物联网技术的发展,具有时空特性的数据来源不断丰富,体量不断增大.如何快速有效的实现海量时空数据的统一组织和检索进而形成数据共享服务能力尤为关键.本文针对时空大数据在底层数据组织管理和查询效率方面的问题,设计了一种基于时空数据的多尺度数据组织与索引方法.首先采用一种基于空间金字塔的模糊聚类算法,利用空间位置的连通性实现不同尺度下的数据分类,通过时空特征描述子建立不同尺度下的数据时空关联;然后提取时空属性对已分类数据集构建一种面向时间、空间、目标的索引模型,解决了时空数据尤其是大规模影像数据的联合检索的效率问题.最后,引用两类常用的时空数据类型分别构建分类和索引模型,验证了方法的可行性和通用性.实验结果表明,本文提出的方法大幅提高了时空大数据的综合检索效率,扩展了数据共享服务模式,具有较高的应用价值.

摘要： 以大港油田小集油田为例,针对研究区储层非均质性强的特点,在单砂体研究的基础上,对孔一段17个小层100个单砂体的孔隙度、渗透率、砂岩厚度以及泥质含量等参数的分布特点进行分析,应用模糊聚类分析技术,建立单砂层流动单元的分类标准,为研究区剩余油潜力分析提供依据.

摘要： 提出了基于小波分组能量谱的静音识别方法.在无线电监测中,识别静音和非静音信号可以辅助了解台站的运行状态,掌握广播内容和规律.针对广播波段,通过小波分组变换将中频频谱数据分解到不同频段,提取特征向量,最终应用模糊聚类的方法识别静音.经过实测数据的处理和分析,可以准确地识别出静音信号.

摘要： 本发明涉及一种基于改进的模糊C均值聚类的图像聚类方法及装置，该方法包括：输入样本图像，计算样本图像的特征值向量；将样本图像的特征值向量作为输入样本点，采用自组织神经网络算法进行分类，确定初始的聚类中心和聚类数目；采用极大似然估计算法得出样本图像对各个类的归属概率，将该归属概率作为目标函数的权值以构建目标函数；根据初始的聚类中心和聚类数目，采用改进的模糊C均值聚类算法的判别公式，通过迭代计算下一次的聚类中心，直至相邻两次的目标函数值之间的变化量小于设定的阈值。本发明通过计算样本图像的特征值向量，采用自组织神经网络算法对图像进行粗聚类，确定初始的聚类中心和聚类数目，增强了聚类效果的稳定性和准确性。

摘要： 本发明公开了基于精准模糊聚类算法的居民电力数据聚类方法及装置，该方法包括：步骤1：推导精准模糊聚类算法的目标函数，并定义精准模糊聚类中心，计算隶属矩阵，控制精准模糊聚类算法的误差，使得精准模糊聚类算法的目标函数最小；步骤2：根据评价数据集聚类方法的度量指标，选取与居民电力数据可维护性和响度指标值影响最大的每类加权方法、低耦合度方法、对每个类的响应度方法这三个度量指标算得的度量值重新组合运算，得到一个影响精准模糊隶属矩阵精度的隶属系数，从而确定精准模糊聚类算法的聚类中心，并运用精准模糊聚类算法对数据聚类。本发明提高了聚类算法的准确度和精度，聚类算法的可维护性和响度指标值也得到优化。

摘要： 本发明公开了一种基于减法聚类和模糊聚类算法的通信信号识别方法，其包括初始化参数；针对不同子载波，设置不同的初始领域半径值，采用减法聚类算法对接收的通信信号的星座点进行聚类；当减法聚类中心的个数小于第一预设定阀值时，将邻域半径减小，继续进行减法聚类；以减法聚类中心中密度较大的第一预设定阀值个减法聚类中心作为模糊聚类算法的初始中心，采用模糊聚类算法对通信信号的星座点再次进行聚类；指定模糊聚类的初始聚类数目，联合Xie‑Beni指标和聚类后星座图的相对半径评价聚类的合理性，若不合理，初始聚类数目需进行迭代；将相对半径与标准星座图半径比较，可得出信号的调制方式则标准调制信号所在的类别为通信信号的类别。

摘要： 本发明公开了一种以平面为聚类中心的抗噪性的模糊聚类图像分割方法，该方法包括以下步骤：首先，定义目标函数并初始化目标函数中的各项系数及阈值等，随机初始化隶属度矩阵；使目标函数最小化计算更新聚类平面的各项系数和模糊隶属度矩阵；基于更新后的模糊隶属度矩阵计算目标函数的值，当连续两次迭代的目标函数值之差的绝对值小于终止条件或方法超出最大迭代次数限制时迭代结束，否则，继续迭代执行更新，根据隶属度最大的准则分类标记每个像素点，完成初始分类；在分类结果上提取图像边缘，并以边缘点为中心像素选取局部窗口再次进行隶属度划分；根据聚类输出的模糊隶属度矩阵，得到数据点属于某一类的隶属度，按照最大概率原则对每个数据点就行分类标记，完成图像分割。本发明的方法使用聚类平面代替聚类中心进行图像分割，可以同时考虑像素的灰度值信息以及位置信息，取得了理想的图像分割效果，并很好地消除噪声的影响，提高了图像分割的质量和分割效果的稳定性。

摘要： 本发明公开了基于精准模糊聚类算法的居民电力数据聚类方法及装置，该方法包括：步骤1：推导精准模糊聚类算法的目标函数，并定义精准模糊聚类中心，计算隶属矩阵，控制精准模糊聚类算法的误差，使得精准模糊聚类算法的目标函数最小；步骤2：根据评价数据集聚类方法的度量指标，选取与居民电力数据可维护性和响度指标值影响最大的每类加权方法、低耦合度方法、对每个类的响应度方法这三个度量指标算得的度量值重新组合运算，得到一个影响精准模糊隶属矩阵精度的隶属系数，从而确定精准模糊聚类算法的聚类中心，并运用精准模糊聚类算法对数据聚类。本发明提高了聚类算法的准确度和精度，聚类算法的可维护性和响度指标值也得到优化。

摘要： 本发明公开了一种基于粒子群模糊聚类的服务聚类方法，包括：获取多个服务对应的服务数据；对所述服务数据进行预处理，以得到目标服务数据，所述目标服务数据中包括关键词数据和关键词词频数据；确定所述服务数据对应的服务的簇个数；初始化粒子群；确定每个粒子的适应度值；更新每个粒子的速度和位置；判断更新后的每个粒子的位置是否满足全局位置最优值；根据判断结果，对服务进行聚类处理，其中，当粒子的位置满足全局位置最优值时，则基于模糊聚类算法，对所述服务进行聚类；当粒子的位置不满足全局位置最优值时，则重复步骤5至步骤8，直到服务聚类完成。本发明能够考虑服务与服务之间的相互关系，从而提高服务聚类准确度。

摘要： 本发明公开了一种基于深度子空间模糊聚类的图像聚类方法及系统，涉及图像聚类技术领域。本发明包括：设计深度自编码器模型，初始化网络；基于输入样本与重构输出样本误差最小化，构建自表达模块损失函数，并对自编码器模型预训练，学习图像的低维空间特征表示；在自编码器模型目标函数中加入模糊聚类模块损失，构建基于模糊聚类的自编码器目标函数，对自编码器进行训练，进行网络参数再学习，并同时实现图像模糊聚类；输出图像聚类结果。实现了图像特征学习和模糊聚类同时进行，在深度自编码器特征学习过程中，增加权值正则化约束和非负权值约束，并在模糊聚类过程中，进行深度自编码器低维特征再学习，有效提高深度子空间聚类的性能。

摘要： 本发明涉及一种基于模糊聚类的全局子空间人脸图像聚类方法，将包含n个a×b像素规模的数据集拉长为一个数据矩阵，在得到预处理后图像数据矩阵X的基础上，构建基于模糊聚类的子空间人脸图像聚类模型：交替迭代优化构建得到的目标函数，通过Y和W,M的交替优化可以得到目标函数收敛后的隶属度矩阵Y和低维投影矩阵W，Z＝WTX为原始样本经过降维得到的低维数据矩阵。对隶属度矩阵Y按行选取最大值所在列，即可得到最后的聚类结果。本发明图像数据处理效率显著提升，将模糊聚类思想引入到低维子空间中，保持了数据的全局结构，并直接探索了低维子空间中最不相关的数据，避免了对数据进行降维操作，可以很好地处理高维度数据集。

摘要： 本发明涉及一种基于模糊聚类的图像鲁棒聚类方法，在聚类图像数据的同时，筛选出被噪声污染的图像，保留了纯净无污染的图像数据，对噪声变化具有较高的鲁棒性。并且本发明是一种无监督的算法，不需要用到标签数据，减小了大量的获取标签数据所用到的时间。算法在求解过程中不需要更新图矩阵，因此降低了算法的计算复杂度，加快了运算速度。因此可以实现对被噪声污染图像进行快速、有效且鲁棒的聚类。本发明可以通过迭代优化目标函数的正则化参数，自适应地计算出每个样本相应正则化参数，的在应用过程中极大地降低了调节正则化参数难度，节省了人力成本，在鲁棒地筛选出被噪声污染图像数据同时，提高了图像聚类准确度。

摘要： 本发明公开了一种以平面为聚类中心的抗噪性的模糊聚类图像分割方法，该方法包括以下步骤：首先，定义目标函数并初始化目标函数中的各项系数及阈值等，随机初始化隶属度矩阵；使目标函数最小化计算更新聚类平面的各项系数和模糊隶属度矩阵；基于更新后的模糊隶属度矩阵计算目标函数的值，当连续两次迭代的目标函数值之差的绝对值小于终止条件或方法超出最大迭代次数限制时迭代结束，否则，继续迭代执行更新，根据隶属度最大的准则分类标记每个像素点，完成初始分类；在分类结果上提取图像边缘，并以边缘点为中心像素选取局部窗口再次进行隶属度划分；根据聚类输出的模糊隶属度矩阵，得到数据点属于某一类的隶属度，按照最大概率原则对每个数据点就行分类标记，完成图像分割。本发明的方法使用聚类平面代替聚类中心进行图像分割，可以同时考虑像素的灰度值信息以及位置信息，取得了理想的图像分割效果，并很好地消除噪声的影响，提高了图像分割的质量和分割效果的稳定性。