(2.2)
2.3  粗糙模糊C均值算法
基于粗糙模糊集,提出一个广义上的混合算法,这被称为粗糙模糊C均值算(RFCM)。隶属度函数模糊集使得重叠分区得到了合理化、高效化的处理,在类定义中,粗糙集上下近似的相关知识能够处理确定性差,模糊性强的问题。该算法可以充分利用概率和隶属属函数的优势,更加利于图像分割。利用概率和能度隶属函数能够避免FCM的噪声敏感度的问题和PCM的重合簇。每个分区通过一组的三个参数来表示,即集群原型(集群中心集),一个清脆的下近似和模糊边界。下近似会对最后的分区的模糊性产生影响。群集原型依赖于清脆的下近似模糊和加权平均边界。该算法在广义的意义上,所有对C-手段现有变种派生算法作为一个特例。
上一篇:基于日志的事件摘要模块设计与实现
下一篇:汽车虚拟中控平台的仿真与软件实现

基于Android的五子棋设计与实现

基于云储存的文件管理系统设计+源代码

基于安卓的博客App的设计与实现+源代码

基于安卓客户端的音乐软件的设计与实现

基于安卓视频播放器设计与实现

基于Android音乐播放器设计+源代码

Lukasiewicz模糊算子的图像融合算法研究+源代码

硅酸钇镥闪烁晶体的光学性能研究

常用游戏对于小学生英语教学的影响

中班幼儿“求助”型告状行为的访谈提纲

无刷电机调速系统设计任务书

建议全面开放生育政策,...

天秤男婚后出轨能改好吗...

哈萨克民歌中生态美學思想的表现【4092字】

地方政府跨区域联合环境污染治理研究

室外办公系统创新设计研究

人性化的用户界面设计研究