%?模糊C均值聚類算法如下
%?
%?1）?從n個數據集data?=?（?x1??x2??...?xn?）?中，確定聚類域個數c?，隨機選取初始的
%?
%?聚類中心集V0?=?（?v1??v2?...?vc?）?，確定隸屬度矩陣U的加權指數expo?、最大迭代次數max_iter、終止誤差ε>?0。
%?
%?
%?2）?重復下列操作直到‖Vb+1?-?Vb?‖?<ε為止?b為當前
%?
%?迭代次數。
%?
%?????a）?使用當前的Vb?計算隸屬度矩陣Ub。
%?
%?????b）?使用當前的Ub?計算聚類中心Vb+1。
%%%%%%%模糊模糊C均值聚類%%%%%%%
clear?all;
figure（1）;
im=imread（‘803.bmp‘）;???%待聚類圖像
%?rgb=imresize（im0.5）;
%?Ag=Ag（1:4801:640:）;
hsi=rgb2hsi（im）;
subplot（211）;
imshow（im）;
title（‘聚類原圖像‘）;
%?imagesc（rgb[0?1]）;?colormap（gray）;
%?Ag=double（rgb）;

%%%%-------分離lab通道------
h=hsi（::1）;

[m?n]=size（h）;

%?%%%%--------將l通道的像素轉換成一列----
%?
%?labAg11=im2col（labAg1[m?n]‘distinct‘）;

%%%%----——確定樣本點數和聚類中心個數————
data_ng?=?m*n;
cluster_ng=5;?????%確定聚類個數

expo=2;??????%?隸屬度矩陣U的指數
max_iter?=100;??%?最大迭代次數
min_impro?=?1e-6;??%?隸屬度最小變化量迭代終止條件
%%%--------初始化聚類中心----------
%?center=[0.80.5950.350.190.130.05];??%初始化聚類中心
center=[0.80.590.350.190.002];??%初始化聚類中心
dist=zeros（mncluster_ng）;
u=zeros（mncluster_ng）;
J=zeros（1001）;
for?k=1:cluster_ng
????for?i=1:m
????????for?j=1:n
????????	dist（ijk）=sqrt（（h（ij）-center（k））^2）;
????????end
????end
end
for?k=1:cluster_ng
????for?i=1:m
????????for?j=1:n
????????????u（ijk）=（dist（ijk）^（-2/（expo-1）））/sum（dist（ij:）.^（-2/（expo-1）））;
????????end
????end
end
J（1）=sum（sum（sum（u.^2.*（dist.^2））））;

t=2;
while?t????for?k=1:cluster_ng
????????center（k）=sum（sum（u（::k）.^2.*h））/sum（sum（u（::k）.^2））;
????end
????for?k=1:cluster_ng
????????for?i=1:m
?????????????for?j=1:n
????????????????dist（ijk）=sqrt（（h（ij）-center（k））^2）;
?????????????end
????????end
????end
????for?k=1:cluster_ng
????????for?i=1:m
????????????for?j=1:n
????????????????u（ijk）=（dist（ijk）^（-2/（expo-1）））/sum（dist（ij:）.^（-2/（expo-1）））;
????????????end
????????end
????end
????J（t）=sum（sum（sum（u.^2.*dist.^2）））;?
????e=abs（J（t）-J（t-1））
????if?abs（J（t）-J（t-1））????????break;
????end
????t=t+1;
end
????
%?dist=distfcm（center‘labAg11）;??%計算像素點到聚類中心的距離
%?tmp?=?dist.^（-2/（expo-1））;
%?Ug?=?tmp./（ones（cluster_ng?1）*sum（tmp））;??%初始化隸屬度矩陣
%?o