【图像分割】直觉模糊C均值聚类的图像分割IFCM.md

fcm Matlab中的模糊c均值聚类算法

模糊均值聚类算法。

高光谱遥感图像模糊c均值聚类算法的matlab实现

模糊C均值聚类算法代码，实现数据聚类，机器学习代码的一部分。

这是当年毕设得题目，这传统FCM算法上进行了改进的MATLAB代码

首先，读取利用数据绘制了31个省份的直方图和曲线图并进行分析；其次，利用手肘法确定K均值聚类的K值并对数据31个样品进行K均值聚类；再次；利用K均值聚类的效果，采用同样分类个数的模糊C均值聚类方法对31个样品再次聚类，并得到了每个样品聚类的结果和概率；最后，根据原始数据求得其协方差矩阵并进行主成分分析，基于生活经验与查阅资料对主成分进行解释和验证。

这是模糊C均值聚类与模拟退火算法的结合，在MATLAB中直接运行查看效果即可！！！！

模糊C均值聚类分割算法，经测试分割效果良好，载入图像数据，直接调用即可

摘  要： 使用Intel Parallel Amplifier高性能工具，针对模糊C均值聚类算法在多核平台的性能问题，找出串行程序的热点和并发性，提出并行化设计方案。基于Intel并行库TBB（线程构建模块）和OpenMP运行时库函数，对多核平台下的串行程序进行循环并行化和任务分配的并行化设计。 　　并行性主要是指同时性或并发性，并行处理是指对一种相对于串行处理的处理方式，它着重开发计算过程中存在的并发事件。并行性通常划分为作业级、任务级、例行程序或子程序级、循环和迭代级以及语句和指令级。作业级的层次高，并行处理粒度粗。粗粒度开并行性开发主要采用MIMD方式，而细粒度并行性开发则主要采用SI