资 源 简 介
应用背景
模糊c-均值聚类算法 fuzzy c-means algorithm (FCMA)或称（
FCM）。在众多模糊聚类算法中，模糊C-均值（ FCM） 算法应用最广泛且较成功，它通过优化目标函数得到每个样本点对所有类中心的隶属度，从而决定样本点的类属以达到自动对样本数据进行分类的目的。
关键技术
模糊聚类分析作为无监督机器学习的主要技术之一，是用模糊理论对重要数据分析和建模的方法，建立了样本类属的不确定性描述，能比较客观地反映现实世界，它已经有效地应用在大规模数据分析、数据挖掘、矢量量化、图像分割、模式识别等领域，具有重要的理论与实际应用价值，随着应用的深入发展，模糊聚类算法的研究不断丰富。
文 件 列 表
Neural Networks
NN_tutorial
License plate(number plate) recognition using neural network
Face Detection System
fuzzy
Spatial Fuzzy Clustering and Level Set Segmentation
Image Thresholding by Fuzzy Entropy
Image segmentation using Fuzzy C-means with two image inputs
fuzzy Hough transform
A Fast and Robust Level Set Method for Image Segmentation Using Fuzzy Clustering and LBM
