问题标签 [fuzzy-c-means]

我想知道我们如何在 MATLAB 中保存已分割的图像（使用模糊 c-means 方法），其中最终产品是每个集群组的图像。我想保存图像以供以后使用。

我只是想知道 cmeans 函数 [在包 e1071 中] 是否有一种方法可以使用马氏距离执行聚类？

非常感谢

我正在尝试在 Python 中实现模糊 c 均值算法。我在 Matlab 中使用了内置函数来做同样的事情。我想知道 Python 中是否也有这样简单的方法。我试过了

http://peach.googlecode.com/hg/doc/build/html/tutorial/fuzzy-c-means.html

我试过这个：

但得到* ImportError: No module named bitarray *

任何人都可以帮忙吗？

我正在尝试在下图中做一个分割任务。

我正在使用模糊 c 均值和一些最小的预处理。分割将有 3 类：背景（蓝色区域）、肉类（红色区域）和脂肪（白色区域）。背景分割效果很好。然而，照片左侧的肉和脂肪分割将大量肉组织映射为脂肪。最终的肉面膜是这样的：

我怀疑这是因为光照条件使左侧更亮，因此算法将该区域分类为脂肪类。此外，我认为如果我能以某种方式使表面更光滑，可能会有一些改进。我使用了一个工作正常的 6x6 中值滤波器，但我愿意接受新的建议。任何建议如何克服这个问题？可能是某种平滑？谢谢 ：）

编辑 1：脂肪区域大致标记在下图中。顶部区域是模棱两可的，但正如 rayryeng 在评论中提到的那样，如果它对我作为人类来说是模棱两可的，那么算法也可以对其进行错误分类。但左手部分显然都是肉，算法将其中很大一部分分配为脂肪。

What I am trying to do is to "separate" vowels from consonants from an audio file (wav file). For example, a file would be this sentence: "I am fine" and I have to separate the vowel sounds from the consonants one. After the "separation", I can ignore the consonants because they have no importance in this project. Also, I have to ignore the pauses in speech (the pauses between words). So this is my problem, how to separate the vowels from consonants.

I was advised that for segmentation I could use a fcm algorithm or the histogram method. I searched these 2 methods, however I could not find something that could help me.

Can someone walk me through the steps I have to do or give me some useful links? I want to mention I can also use some other methods (not necessarily fcm or histograms).

Thanks!

我正在尝试绘制从模糊 C 均值聚类算法获得的聚类的可视化。我想使用 Python 绘制轮廓和数据点，如下图所示。

我该如何处理？

我试图用维度为 15'000 x 7 的数据集进行模糊 k 均值聚类。我首先尝试了函数 fanny，它花了 R 将近 7 个小时才得到结果（我也尝试了其他参数，但它总是很慢；用5'000 行的样本大约需要半小时）。使用 cmeans 函数需要 27 秒。cmeans 与 fanny 有何不同？这是我设置这两个功能的方法：

生成的成员资格相似但不等价。此外，如何计算 cmeans 中的中心？在范妮中，我使用以下内容：

将此应用于 cmeans，我得到的结果与 cmeans$centers 不同。

非常感谢！

我fcm在 MATLAB 中工作。我需要关闭命令窗口的登录。实现这一目标的最佳方法是什么？

例如，当我运行命令时，我将以下内容打印到 MATLAB 命令窗口

我是 R 新手，我想实现以下算法：

• 步骤 1.随机选择一个数据集点作为第一个聚类的中心

• Step 2.对于下一个簇，找到与前一个簇的中心距离最大但尚未被选为中心的点

• Step 3.然后，选择这个点作为下一个聚类的中心

• 步骤 4.重复步骤 2 和 3，直到初始化所有集群的中心

我试图写这个算法。我得到了距离，但我无法将其与原始点匹配，也无法通过迭代获得接下来的 25 个点。

有人能帮助我吗？

距离是 182 个距离的数组

并且中心应该是集群的中心

我正在研究 iris 数据集的模糊 c 均值聚类，但是由于一些错误而无法可视化。使用本教程，我为虹膜编写了以下内容，但是它显示了名为“AttributeError：shape”的错误。这是我的代码：

我认为在变量模型中传递参数就足够了，但是它显示了上述错误。如果可能的话，你能告诉我哪里出错了吗？如何解决这个问题？我真的很感谢你的帮助！