(2.2)
2.3  粗糙模糊C均值算法
基于粗糙模糊集，提出一个广义上的混合算法，这被称为粗糙模糊C均值算（RFCM）。隶属度函数模糊集使得重叠分区得到了合理化、高效化的处理，在类定义中，粗糙集上下近似的相关知识能够处理确定性差，模糊性强的问题。该算法可以充分利用概率和隶属属函数的优势，更加利于图像分割。利用概率和能度隶属函数能够避免FCM的噪声敏感度的问题和PCM的重合簇。每个分区通过一组的三个参数来表示，即集群原型（集群中心集），一个清脆的下近似和模糊边界。下近似会对最后的分区的模糊性产生影响。群集原型依赖于清脆的下近似模糊和加权平均边界。该算法在广义的意义上，所有对C-手段现有变种派生算法作为一个特例。 基于粗糙模糊聚类的脑MR图像分割技术(4):http://www.751com.cn/jisuanji/lunwen_21412.html