论文部分内容阅读
模糊C均值算法由于具有良好的聚类性能而被广泛应用于图像分割领域，但聚类中心的初始化问题一直影响着该算法的运行效率。好的初始聚类中心，可以使算法很快收敛于最优解，而不合适的初始聚类中心，不仅需要更多的迭代次数，而且还可能使算法最终收敛于局部最优解。文章结合云模型和FCM（模糊c均值）聚类算法，提出了一种遥感图像分割的新方法。利用云变换解决模糊C均值聚类算法的初始化中心选择问题，可以根据样本特性自动确定聚类中心值及个数，并以较少的迭代次数收敛到全局最优解，提高了模糊C均值遥感图像分割方法的效率，具有较好的稳定