基于FCM模糊聚类和GRNN广义回归神经网络的数据预测仿真

完整代码，可直接运行

使用基于模糊 c 均值的进化聚类进行图像分割目标函数：使用距离度量测量的簇内距离图像特征：3个特征（R，G，B值） 它还包含一个基于矩阵的输入样本示例

Matlab图像分割原创-fcm_color.m 模糊聚类用于图像分割

【达摩老生出品，必属精品，亲测校正，质量保证】 资源名：基于FCM-GRNN的聚类算法_FCM-GRNN_matlab 资源类型：matlab项目全套源码 源码说明： 全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行指导或者更换。 适合人群：新手及有一定经验的开发人员

图像处理，模糊C均值聚类图像分割算法，使用matlab实现

利用Java编写的FCM聚类代码，可对数据集进行模糊聚类

基于FCM聚类和模板匹配的视频马赛克检测方法，梁志敏，李文生，马赛克是数字电视节目中常见的一种视频缺陷现象，会造成视频质量的下降，因此在视频序列中有效地定位并修复马赛克块变得越来越重

c均值聚类算法matlab代码fcm_m 这是matlab代码中FCM聚类方法的一些变体。 您可以参考以下文章以进一步了解：“一种鲁棒的模糊局部信息C均值聚类算法”

灰狼优化算法(GWO)具有较强的局部搜索能力和较快的收敛速度,但在解决高维和复杂的优化问题时存在全局搜索能力不足的问题.对此,提出一种改进的GWO,即新型反向学习和差分变异的GWO(ODGWO).首先,提出一种最优最差反向学习策略和一种动态随机差分变异算子,并将它们融入GWO中,以便增强全局搜索能力;然后,为了很好地平衡探索与开采能力以提升整体的优化性能,对算法前、后半搜索阶段分别采用单维操作和全维操作形成ODGWO;最后,将ODGWO用于高维函数和模糊C均值(FCM)聚类优化.实验结果表明,在许多高维Benchmark函数(30维、50维和1000维)优化上,ODGWO的搜索能力大幅度领先于GWO,与state-of-the-art优化算法相比,ODGWO具有更好的优化性能.在7个标准数据集的FCM聚类优化上, 与GWO、GWOepd和LGWO相比,ODGWO表现出了更好的聚类优化性能,可应用在更多的实际优化问题上.