王书文，皮炳坤，张弘强，马　聪



一种基于模糊核聚类算法的图像分类方法

王书文，皮炳坤，张弘强，马聪

(西北民族大学电气工程学院，甘肃兰州730030)

聚类分析是数据分析的一个重要方法.通过引用核函数，将核方法应用到模糊C均值(Fuzzy c-Means,FCM)算法中，优化FCM算法的目标函数，使样本点被非线性变换映射到高维特征空间进行聚类,不仅改善了聚类效果，而且增强了算法对噪声的鲁棒性.在真实样本集上进行了仿真实验，分类结果证实了该算法的有效性和普适性，因而是一种较为简单和实用的图像分类方法.

聚类分析；子空间聚类；核函数；核模糊聚类算法

近年来，模糊聚类分析技术是智能信息处理中的一个热门课题,它用一种模糊数学方法来研究聚类问题,是一种无监督的模糊模式识别方法,在模式识别及分类、图形图像处理、以及计算机视觉等领域有着广泛的应用[1-6].

目前普遍应用的聚类分析方法有K-均值法[1]和模糊C-均值法[2]等.在多种模糊聚类分析算法中，由Dunn[3]首先提出后又被Bezdek[4]加以推广的模糊C 均值算法是一种很有效的方法.模糊C-均值聚类算法因其算法简单、收敛速度快等优点受到广泛关注.而Bezdek提出的模糊聚类算法FCM则通过引入像素聚类样本到聚类中心的隶属度来表示像素样本的隶属度，该类隶属度的大小能够客观反映出算法中样本点隶属于某一类的程度[5].虽然FCM算法计算简单，复杂度较低，但在很多情况下该算法对噪声敏感.Girolami[6]和张莉等[7]将核函数引入到聚类分析中，在高维特征空间中进行聚类；……