fcm方法進(jìn)行圖像分割源程序.doc

《fcm方法進(jìn)行圖像分割源程序.doc》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。

1、1.myfcm函數(shù)function[center,U,obj_fcn]=myfcm(data,cluster_n,options)%data為聚類數(shù)據(jù),cluster_n為類別數(shù)%判斷函數(shù)參數(shù)個(gè)數(shù)ifnargin~=2&nargin~=3,error('參數(shù)太多或太少');enddata_n=size(data,1);%data第一維大小in_n=size(data,2);%data第二維大小%可以改變下列數(shù)據(jù)設(shè)置默認(rèn)的options參數(shù)default_options=[2;%FCM中的參數(shù)m100;%最大迭代次數(shù)1e-5;%判別誤差epsonal1];%迭代過(guò)程中顯示i

2、fnargin==2,options=default_options;else%如果"options"沒有完全指定,則以default_options中的部分進(jìn)行補(bǔ)充iflength(options)<4,tmp=default_options;tmp(1:length(options))=options;options=tmp;end%如果options中的一些參數(shù)不是數(shù)字,則以default_options中的代替nan_index=find(isnan(options)==1);%找到options中的非數(shù)字元素下標(biāo)options(nan_index)=defaul

3、t_options(nan_index);ifoptions(1)<=1error('FCM中參數(shù)m應(yīng)大于1!');endendexpo=options(1);%expo存放參數(shù)mmax_iter=options(2);%最大迭代次數(shù)min_impro=options(3);%判別誤差display=options(4);%迭代過(guò)程是否顯示obj_fcn=zeros(max_iter,1);%obj_fcn為目標(biāo)函數(shù)值數(shù)組U=myfcminit(cluster_n,data_n);%調(diào)用myfcminit函數(shù)初始化隸屬度矩陣Ufori=1:max_iter[U,cente

4、r,obj_fcn(i)]=myfcmstep(data,U,cluster_n,expo);%調(diào)用myfcmstep函數(shù)進(jìn)行一次迭代ifdisplay==1fprintf('迭代次數(shù)=%d,obj.fcn=%f',i,obj_fcn(i));end%檢查迭代終止條件ifi>1,ifabs(obj_fcn(i)-obj_fcn(i-1))

5、fcminit(cluster_n,data_n)%%U為隸屬度矩陣,大小為:類別數(shù)*被聚類數(shù)據(jù)元素個(gè)數(shù)%參數(shù)cluster_n為聚類類別數(shù)%data_n為被聚類數(shù)據(jù)的元素個(gè)數(shù)%U=rand(cluster_n,data_n);%隨機(jī)生成隸屬度矩陣Ucol_sum=sum(U);%計(jì)算U中每列元素和U=U./col_sum(ones(cluster_n,1),:);%保證U中每列的隸屬度值之和為13.myfcmstep函數(shù)用于聚類過(guò)程中的每次迭代function[U_new,center,obj_fcn]=myfcmstep(data,U,cluster_n,expo)%

6、%data為被聚類數(shù)據(jù),U為隸屬度矩陣,cluster_n為聚類類別數(shù),expo為FCM中的參數(shù)m%函數(shù)調(diào)用后得到新的隸屬度矩陣U_new,聚類中心center,目標(biāo)函數(shù)值obj_fcn%mf=U.^expo;%FMC中的U^mcenter=mf*data./((ones(size(data,2),1)*sum(mf'))');%得到聚類中心dist=myfcmdist(center,data);%調(diào)用myfcmdist函數(shù)計(jì)算聚類中心與被聚類數(shù)據(jù)的距離obj_fcn=sum(sum((dist.^2).*mf));%得到目標(biāo)函數(shù)值tmp=dist.^(-2/(expo-

7、1));%如果迭代次數(shù)不為1,計(jì)算新的隸屬度矩陣U_new=tmp./(ones(cluster_n,1)*sum(tmp));%U_new為新的隸屬度矩陣4.myfcmdist函數(shù)用于計(jì)算聚類中心與被聚類數(shù)據(jù)的距離functionout=myfcmdist(center,data)%%center為聚類中心,data為被聚類數(shù)據(jù)%out=zeros(size(center,1),size(data,1));ifsize(center,2)>1,%若聚類中心數(shù)據(jù)大于1,即聚類類別>=2fork=1:size(center,1)