基于FCM聚類算法的新型圖像分割算法分析

　　模糊C均值（Fuzzy C-means）算法簡稱FCM算法，是一種基于目標函數的模糊聚類算法，主要用于數據的聚類分析。有了模糊集合的概念，一個元素隸屬于模糊集合就不是硬性的了，在聚類的問題中，可以把聚類生成的簇看成模糊集合。

　　從kmeans各個樣本所屬類別 的非此即彼（要么是0要么是1，如果建立一個歸屬矩陣N?k［Math Processing Error］，每一行表示樣本的歸屬情況，則會得到，其中一個entry是1，其他是0），到走向模糊（Fuzzy），走向不確定性（此時的歸屬（fuzzy membership）陣P（μi|xj）i∈1，…k，j∈1，…N［Math Processing Error］，每個元素都會是［0-1］之間的概率值，行和要求為1）。無疑，基于模糊理論的FCM［Math Processing Error］是站在了kmeans［Math Processing Error］的肩膀上，這與其說是一種算法的改進，不如說是一種思想的進化。

　　隸屬度函數P（μi|xj）［Math Processing Error］，表征樣本xj［Math Processing Error］隸屬類別（cluster）μi［Math Processing Error］的程度，即允許一個樣本隸屬于多個類別，只不過程度不同而已。

　　參數b［Math Processing Error］，用來控制不同類別的混合程度的自由參數。當b［Math Processing Error］取1時，FCM［Math Processing Error］聚類分割算法退化為普通的kmeans［Math Processing Error］

　　本文通過結合FCM聚類算法和粗糙集，提出了一種新的圖像分割方法，非常適合應用在醫療成像系統中。