基于FCM聚类算法的新型图像分割算法分析

　　模糊C均值（Fuzzy C-means）算法简称FCM算法，是一种基于目标函数的模糊聚类算法，主要用于数据的聚类分析。有了模糊集合的概念，一个元素隶属于模糊集合就不是硬性的了，在聚类的问题中，可以把聚类生成的簇看成模糊集合。

　　从kmeans各个样本所属类别 的非此即彼（要么是0要么是1，如果建立一个归属矩阵N∗k［Math Processing Error］，每一行表示样本的归属情况，则会得到，其中一个entry是1，其他是0），到走向模糊（Fuzzy），走向不确定性（此时的归属（fuzzy membership）阵P（μi|xj）i∈1，…k，j∈1，…N［Math Processing Error］，每个元素都会是［0-1］之间的概率值，行和要求为1）。无疑，基于模糊理论的FCM［Math Processing Error］是站在了kmeans［Math Processing Error］的肩膀上，这与其说是一种算法的改进，不如说是一种思想的进化。

　　隶属度函数P（μi|xj）［Math Processing Error］，表征样本xj［Math Processing Error］隶属类别（cluster）μi［Math Processing Error］的程度，即允许一个样本隶属于多个类别，只不过程度不同而已。

　　参数b［Math Processing Error］，用来控制不同类别的混合程度的自由参数。当b［Math Processing Error］取1时，FCM［Math Processing Error］聚类分割算法退化为普通的kmeans［Math Processing Error］

　　本文通过结合FCM聚类算法和粗糙集，提出了一种新的图像分割方法，非常适合应用在医疗成像系统中。