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(jiān)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(jìn)行圖像分割,并通過在特征空間中尋找聚類中心來達(dá)到最小化目標(biāo)函數(shù)的目的。它的局限性主要有實時性較差、初始聚類中心的設(shè)置對最終結(jié)果影響較大、未考慮空間因素導(dǎo)致抗噪性弱。本文將mini-batch方法應(yīng)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(dāng)數(shù)據(jù)特征復(fù)雜、集合較大時,FCM算法的實時性不是很理想的問題,繼而節(jié)省算法運行的時間。
注:因版權(quán)方要求,不能公開全文,如需全文,請咨詢雜志社。
現(xiàn)代信息科技雜志, 月刊,本刊重視學(xué)術(shù)導(dǎo)向,堅持科學(xué)性、學(xué)術(shù)性、先進(jìn)性、創(chuàng)新性,刊載內(nèi)容涉及的欄目:信息技術(shù)、電子技術(shù)、電子通信工程、計算機科學(xué)、信息安全、互聯(lián)網(wǎng)等。等。于2017年經(jīng)新聞總署批準(zhǔn)的正規(guī)刊物。