图像模糊matlab代码Fuzzy SLIC (Precise superpixel number control version) with Matlab Interface的C实现 版权所有 (c) 2018, Chong WU 保留所有权利。 如果满足以下条件，则允许以源代码和二进制形式重新分发和使用，无论是否修改： 源代码的重新分发必须保留上述版权声明、此条件列表和以下免责声明。 以二进制形式重新分发必须在随分发提供的文档和/或其他材料中复制上述版权声明、此条件列表和以下免责声明。 未经特别事先书面许可，不得使用香港城市大学的名称或其贡献者的名称来认可或推广源自本软件的产品。 本软件由版权所有者和贡献者“按原样”提供，并提供任何明示或暗示的保证，包括但不限于适销性和针对特定用途的适用性的暗示保证。 在任何情况下，版权持有人或贡献者均不对任何直接、间接、附带、特殊、惩戒性或后果性损害（包括但不限于购买替代品、商品、资源；或或业务中断），无论是基于任何责任理论，无论是合同、严格责任或侵权行为（包括疏忽或其他原因）因使用本软件而以任何方式引起的，即使是 P.S. 用法： 在使用它之前

模糊聚类算法： 我们已经实现了两种算法： 和 。 检查视频以获取算法的输出。 例子： 示例详细信息： 50次迭代 m = 2 4个集群 犯罪数据集的前2列：“谋杀，殴打” 实施细节： 科学工具学习类似的结构。 完全矢量化。 用于图像分割的用户界面。 在某些数据集上进行了测试。

利用模糊集理论（FS），区间值模糊集理论（IVFS）和非并行支持向量机理论（NPSVM），模糊非并行支持向量机（F-NPSVM）和区间值模糊非并行支持向量机。 （IVF-NPSVM）已构建。 F-NPSVM和IVF-NPSVM都在模型中考虑了训练点的隶属度，区别在于确定训练点的方法。 在人工数据集和基准数据集上的实验表明，使用F-NPSVM和IVF-NPSVM进行的大多数分类结果比NPSVM，支持向量机（SVM）更为准确。 ，区间值模糊支持向量机（IVF-SVM），广义特征值近端支持向量机（GEPSVM）和双支持向量机（TWSVM）。 最后，使用Friedman检验来验证两个新模型与以前的模型之间存在显着差异。

本硕博研究专用 其中常规PID和模糊PID是用仿真实现的，神经网络PID是用编程实现的。

基于simulink仿真环境的同步发电机模糊逻辑PID控制 推荐下载检验

锂电池均衡控制系统，加上模糊算法，形成闭环

基于模糊PID控制下的BUCK电路稳压输出的仿真，并对比了模糊控制和PID控制。

fuzzy - PSO- PID matlab code

csdn搜：【模糊PI控制（从原理到simulink仿真到C代码实现）】，文章第三点例子。 利用模糊PI与PI控制对比小实验。

模糊c-均值聚类算法 fuzzy c-means algorithm (FCMA)或称（ FCM）。在众多模糊聚类算法中，模糊C-均值（ FCM） 算法应用最广泛且较成功，它通过优化目标函数得到每个样本点对所有类中心的隶属度，从而决定样本点的类属以达到自动对样本数据进行分类的目的