fcm.rar_fcm_visual c_图像 熵_熵值

//模糊C聚类（Mahalanobis距离）的程序实现 //1、屏幕输入项为RULE_NUM Max_ITE FU_GRADE BAND 图像行列数ROW COL图像文件i512_6band.raw //2、输出项:聚类结果图：clusterResult.raw;聚类中心：Cluster_center.raw.txt #include <stdlib.h> #include <stdio.h> #include <math.h> #define RULE_NUM 4 #define Max_ITE 200 #define FU_GRADE 2 #define error 0.00001 #define BAND 4 double Random(double f) { double r; r=(f*rand())/RAND_MAX; if(r>=f) r=f; return r; } void main() { long i,j,k,l,IT; long NumPatterns,ROW,COL;//样本数 long ID_center[RULE_NUM];//记录聚类中心所属的类 long *I;//聚类中心或规则中心所对应的样本编号，-1表示无样本与其对应 long *Labclass;//存入分类结果 unsigned char *A; float **band,**NumData,*result_image,lastv,f_temp; double err,U_SUM,ZI,Dij,Dik,Dequ,best,dist; double **OLD_U;//OLD_U[NumPatterns][RULE_NUM];旧的模糊隶属度 double **U;//U[NumPatterns][RULE_NUM];模糊隶属度subjection double **Rule_Center;//Rule_Center[RULE_NUM][BAND];存放聚类中心的位置 FILE *fp,*cluster_center,*fresult_class; printf("屏幕输入图像行列数:\n"); scanf("%d%d",&ROW,&COL);//屏幕输入图像行列数; NumPatterns=ROW*COL; for(i=0;i<RULE_NUM;i++) ID_center[i]=-1;//初始化类别信息 A=new unsigned char[RULE_NUM]; for(i=0;i<RULE_NUM;i++) A[i]=0; I=new long[RULE_NUM]; for(i=0;i<RULE_NUM;i++) I[i]=0; band=new float*[BAND]; for(i=0;i<BAND;i++) band[i]=new float[NumPatterns]; NumData=new float*[NumPatterns]; for(i=0;i<NumPatterns;i++) NumData[i]=new float[BAND]; Labclass=new long[NumPatterns];// 空间大小等于样本数，开辟空间记录神经元所属类别 for(i=0;i<NumPatterns;i++) Labclass[i]=-1; result_image=new float[NumPatterns]; for(i=0;i<NumPatterns;i++) result_image[i]=0; //往通道输入数据 fp=fopen("i512_6band.raw","rb"); if(fp==NULL) { printf("无此i512_6band.raw文件!\n"); return; } printf("文件打开成功\n"); for(i=0;i<BAND-1;i++) { fread(band[i],4,NumPatterns,fp); fseek(fp,NumPatterns*4*(i+1),SEEK_SET); } fread(band[BAND-1],4,NumPatterns,fp); fclose(fp); for(j=0;j<BAND;j++)//NumData中输入全部样本 for(i=0;i<NumPatterns;i++) NumData[i][j]=band[j][i]; OLD_U=new double*[NumPatterns]; for(i=0;i<NumPatterns;i++) OLD_U[i]=new double[RULE_NUM]; U=new double*[NumPatterns];//模糊规则对样本适合度数组 for(i=0;i<NumPatterns;i++) U[i]=new double[RULE_NUM]; Rule_Center=new double*[RULE_NUM];//模糊规则中心向量数据 for(i=0;i<RULE_NUM;i++) Rule_Center[i]=new double[BAND]; //初始化隶属度矩阵 for(i=0;i<NumPatterns;i++)//遍历全部样本 { U_SUM=0.0; for(j=0;j<RULE_NUM-1;j++)//遍历全部规则 { U[i][j]=Random(1000-1000*U_SUM)/1000.0;//初始化模糊规则对每个训练样本的隶属度 OLD_U[i][j]=U[i][j]; U_SUM=U_SUM+U[i][j];//每一行减1个的隶属度相加 } U[i][j]=1-U_SUM; OLD_U[i][j]=U[i][j]; } //求模糊规则的RULE_NUM个中心，其维数为BAND IT=0;//循环变量 lastv=0; do { for(k=0;k<RULE_NUM;k++) { f_temp=0; for(i=0;i<BAND;i++)//遍历样本维数 { ZI=0.0;//记录分母部分 Rule_Center[k][i]=0.0; for(j=0;j<NumPatterns;j++)//遍历全部样本 { Rule_Center[k][i]=Rule_Center[k][i]+NumData[j][i]*pow(U[j][k],FU_GRADE);//pow函数的两个参量是实数 ZI=ZI+pow(U[j][k],FU_GRADE); } Rule_Center[k][i]=Rule_Center[k][i]/ZI;//聚类中心或聚类原型 } } // 将样本划分到各个类 for(i=0;i<RULE_NUM;i++) //求I[k]:{i|1<=i<=C,Dik=0} { I[i]=-1;//初始默认值是-1 Dequ=0.0; for(k=0;k<NumPatterns;k++) { for(j=0;j<BAND;j++) Dequ=Dequ+pow(Rule_Center[i][j]-NumData[k][j],2);//记录误差平方 if(Dequ<error) { I[i]=k; //printf("这里有一个I[%d]=%d",i,k); } } } //计算新的隶属度矩阵 float J=0.0; for(i=0;i<NumPatterns;i++) for(j=0;j<RULE_NUM;j++) { if(I[j]==-1)//没有样本与聚类中心对应，多数情况 { //Uij,i是样本数，j是聚类个数 for(k=0;k<RULE_NUM;k++) { Dij=0; Dik=0; for(l=0;l<BAND;l++) { Dij=Dij+(NumData[i][l]-Rule_Center[j][l])*(NumData[i][l]-Rule_Center[j][l]); Dik=Dik+(NumData[i][l]-Rule_Center[k][l])*(NumData[i][l]-Rule_Center[k][l]); } U[i][j]=U[i][j]+pow(Dij/Dik,1/(FU_GRADE-1)); } U[i][j]=1/U[i][j]; //计算Uij结束 } else if(I[j]==i) U[i][j]=1.0; else U[i][j]=0.0; } for(i=0;i<NumPatterns;i++) { for(j=0;j<RULE_NUM;j++) { for(l=0;l<BAND;l++) { f_temp+=pow(U[i][j],FU_GRADE)*pow(NumData[i][l]-Rule_Center[j][l],2); } } } err=fabs(f_temp-lastv); lastv=f_temp; IT++; } while((IT++<Max_ITE)&&(err>error));//循环终止条件 /* //加入聚类中心所属类别信息，然后按类别1，2，3，4的顺序输出 for(i=0;i<NumPatterns;i++)//计算最小距离 { best=1.0e99; for(k=0;k<RULE_NUM;k++) { dist=0; for(j=0;j<BAND;j++) dist+=(band[j][i]-Rule_Center[k][j])*(band[j][i]-Rule_Center[k][j]); if(best>dist) { best=dist; Labclass[i]=k;//这里有最小距离的为所属的类，加距离阈值后产生不可分的类别 } } }*/ for(i=0;i<RULE_NUM;i++) { for(j=0;j<NumPatterns;j++) { result_image[j]=U[j][i]; } } fresult_class=fopen("clusterResult.raw","wb"); fwrite(result_image,4,NumPatterns,fresult_class); fclose(fresult_class); /* //输出聚类中心 cluster_center=fopen("cluster_center.txt","wb"); if(cluster_center==NULL)exit(1); for(k=0;k<RULE_NUM;k++) { for(i=0;i<BAND;i++) { fprintf(cluster_center,"%1f",Rule_Center[k][j]); } fprintf(cluster_center,"\n"); } fclose(cluster_center);*/ for(i=0;i<NumPatterns;i++) delete[]NumData[i]; delete[]NumData; for(i=0;i<BAND;i++) delete[]band[i]; delete[]band; delete[]Labclass; for(i=0;i<RULE_NUM;i++) delete[]OLD_U[i]; delete[]OLD_U; for(i=0;i<RULE_NUM;i++) delete[]U[i]; delete[]U; for(i=0;i<RULE_NUM;i++) delete[]Rule_Center[i]; delete[]Rule_Center; delete[]result_image; delete[]A; delete[]I; }