FLICM 算法，是一种基于局部空间信息模糊聚类的鲁棒图像分割算法，来自论文"A Robust Fuzzy Local Information C-Means Clustering Algorithm", IEEE Transactions on Image Processing 19(5) 2010 1328-1337, doi: 10.1109/TIP.2010.2040763，使用Matlab R2018b编写，皆用矩阵计算。

仅供大家参考

：针对经典的C均值聚类算法以及模糊C均值聚类算法所存在的两个方面的问题：一是算法对初始聚类中心的过 分依赖性，通常的聚类算法往往对于不同的初始聚类中心会得到不同的聚类结果；二是算法需要预先知道实际的聚类数 目，而在实际应用中，聚类数目却是未知的。基于此提出了模糊C均值聚类算法的一种改进算法，即在标准的模糊C均值 聚类算法的基础上，给目标函数加入了一个惩罚项，使得上述问题得以解决。并通过仿真实验证实了新算法的可行性和 有效性

简单的模糊c-均值聚类matlab程序 希望对大家能够有所帮助

模糊集matlab代码Fuzzy_Clustering_Algorithms 几种最先进的模糊聚类算法，包括模糊 c 均值聚类、模糊子空间聚类和最大熵聚类算法。 MATLAB 代码。 虹膜数据集中的三个例子。 FCM 演示 FCM算法： 运行 demo_fuzzy.m，选择超参数“choose_algorithm=1”。 聚类结果： 迭代1，迭代次数：12，Accuary：0.89333333 迭代2，迭代次数：12，Accuary：0.89333333 迭代3，迭代次数：12，Accuary：0.89333333 迭代4，迭代次数：12，Accuary：0.89333333 迭代5，迭代次数：12，Accuary：0.89333333 迭代6，迭代次数：12，Accuary：0.89333333 迭代7，迭代次数：12，Accuary：0.89333333 迭代8次，迭代次数：12，Accuary：0.89333333 迭代9，迭代次数：12，Accuary：0.89333333 迭代10，迭代次数：12，Accuary：0.89333333 算法平均迭代次数为：12.00 平均运行

利用matlab实现FCM算法，算法最终返回距离类中心，和每个样本对于不同类的隶属度矩阵。同时，使用随机生成的100个二维数据，进行算法程序的检验，给出具体的迭代次数和目标函数值，以及聚类的结果图。

针对基于模糊C均值聚类（FCM）的图像分割算法仅利用像素的灰度信息、噪声抑制不理想、算法鲁棒性不高的问题，提出了一种基于像素邻域信息约束的FCM图像分割算法。该算法在模糊目标函数中引入邻域信息约束，通过约束系数自适应调节控制邻域信息约束强度，自优化迭代更新聚类中心和聚类隶属度矩阵，使模糊目标函数收敛到最小，并利用像素最优聚类隶属度去模糊化操作实现图像分割。实验结果表明，该算法在获得较高的图像分割精度的同时，具有较强的噪声抑制能力。

自己写的模糊C均值聚类算法MATLAB实现

聚类分割算法是图像处理中的基本操作，文件中包含了使用模糊C-均值实现聚类分割的算法原理以及MAtlab源程序 聚类分割算法是图像处理中的基本操作，文件中包含了使用模糊C-均值实现聚类分割的算法原理以及MAtlab源程序