本资源对模糊聚类算法做了详细的讲解，并用c++编程实现了模糊聚类算法（FCM）

模糊c均值（FCM）聚类算法已广泛应用于许多医学图像分割中。 但是，由于不考虑空间信息，因此常规的标准FCM算法对噪声敏感。 为了克服上述问题，提出了一种新颖的改进的FCM算法（以后称为FCM-AWA）用于图像分割。 该算法是通过修改常规FCM算法中的目标函数，即通过将空间邻域信息合并到标准FCM算法中来实现的。 给出了自适应加权平均（AWA）滤波器以指示相邻像素对中心像素的空间影响。 在实施加权平均图像时，通过预定义的非线性函数自动确定控制模板（邻居寡妇）的参数（加权系数）。 该算法既适用于人工合成图像，又适用于真实图像。 此外，使用基于算法的分割方法对牙菌斑进行了定量分析。 实验结果表明，与标准FCM算法和另一种FCM算法（由Ahmed提出）相比，该算法对噪声的鲁棒性更高。 此外，使用所提出的方法对牙菌斑进行定量的结果表明，FCM-AWA提供了一种定量，客观和有效的牙菌斑分析方法，具有广阔的前景。

FCM Demo

An improved FCM medical image segmentation algorithm based on MMTD

模糊C均值算法(FCM)的C语言程序,可以直接运行，并带有具体实例

FCM算法是一种基于划分的聚类算法，它的思想就是使得被划分到同一簇的对象之间相似度最大，而不同簇之间的相似度最小。模糊c均值算法是普通C均值算法的改进，普通C均值算法对于数据的划分是硬性的，而FCM则是一种柔性的模糊划分。在介绍FCM具体算法之前我们先介绍一些模糊集合的基本知识。

模糊C均值的C++实现，有很详细的代码解释，运行需要配置OpenCV340，各种踩坑，希望大家学习愉快，附带理论地址，代码配合公式能够更好的学习哦https://blog.csdn.net/qq_41828351/article/details/88402605

应用FCM算法针对与脑部图像的分割，含有相应的代码，程序可以运行。

通过模糊c-means (FCM)聚类的思想来实现图像的分割。

在做一些涉及FCM算法的实验时,需要查阅FCM算法的一些基本资料。但是已有的文献资料常常不会涉及基本内容,或是中间略去了推导过程。这里,本人尝试着给出了推导,并整理出FCM算法的基本思想及步骤,给需要的朋友,以节省宝贵的科研时间。