• 大小: 207KB
    文件类型: .rar
    金币: 2
    下载: 1 次
    发布日期: 2021-07-03
  • 语言: Matlab
  • 标签: MRI  matlab  

资源简介

MRI脑肿瘤分割matlab代码,内面的gui要重新编译才能运行

资源截图

代码片段和文件信息

function [center U obj_fcn] = FCMClust(data cluster_n options)
% FCMClust.m   采用模糊C均值对数据集data聚为cluster_n类 
%
% 用法:
%   1.  [centerUobj_fcn] = FCMClust(DataN_clusteroptions);
%   2.  [centerUobj_fcn] = FCMClust(DataN_cluster);
%   
% 输入:
%   data        ---- nxm矩阵表示n个样本每个样本具有m的维特征值
%   N_cluster   ---- 标量表示聚合中心数目即类别数
%   options     ---- 4x1矩阵,其中
%       options(1):  隶属度矩阵U的指数,>1                  (缺省值: 2.0)
%       options(2):  最大迭代次数                           (缺省值: 100)
%       options(3):  隶属度最小变化量迭代终止条件           (缺省值: 1e-5)
%       options(4):  每次迭代是否输出信息标志                (缺省值: 1)
% 输出:
%   center      ---- 聚类中心
%   U           ---- 隶属度矩阵
%   obj_fcn     ---- 目标函数值
%   Example:
%       data = rand(1002);
%       [centerUobj_fcn] = FCMClust(data2);
%       plot(data(:1) data(:2)‘o‘);
%       hold on;
%       maxU = max(U);
%       index1 = find(U(1:) == maxU);
%       index2 = find(U(2:) == maxU);
%       line(data(index11)data(index12)‘marker‘‘*‘‘color‘‘g‘);
%       line(data(index21)data(index22)‘marker‘‘*‘‘color‘‘r‘);
%       plot([center([1 2]1)][center([1 2]2)]‘*‘‘color‘‘k‘)
%       hold off;


if nargin ~= 2 & nargin ~= 3    %判断输入参数个数只能是2个或3个
error(‘Too many or too few input arguments!‘);
end

data_n = size(data 1); % 求出data的第一维(rows)数即样本个数
in_n = size(data 2);   % 求出data的第二维(columns)数,即特征值长度
% 默认操作参数
default_options = [2; % 隶属度矩阵U的指数
    100;                % 最大迭代次数 
    1e-5;               % 隶属度最小变化量迭代终止条件
    1];                 % 每次迭代是否输出信息标志 

if nargin == 2
options = default_options;
 else       %分析有options做参数时候的情况
% 如果输入参数个数是二那么就调用默认的option;
if length(options) < 4 %如果用户给的opition数少于4个那么其他用默认值;
tmp = default_options;
tmp(1:length(options)) = options;
options = tmp;
    end
    % 返回options中是数的值为0(如NaN)不是数时为1
nan_index = find(isnan(options)==1);
    %将denfault_options中对应位置的参数赋值给options中不是数的位置.
options(nan_index) = default_options(nan_index);
if options(1) <= 1 %如果模糊矩阵的指数小于等于1
error(‘The exponent should be greater than 1!‘);
end
end
%将options 中的分量分别赋值给四个变量;
expo = options(1);          % 隶属度矩阵U的指数
max_iter = options(2); % 最大迭代次数 
min_impro = options(3); % 隶属度最小变化量迭代终止条件
display = options(4); % 每次迭代是否输出信息标志 

obj_fcn = zeros(max_iter 1); % 初始化输出参数obj_fcn

U = initfcm(cluster_n data_n);     % 初始化模糊分配矩阵使U满足列上相加为1
% Main loop  主要循环
for i = 1:max_iter
    %在第k步循环中改变聚类中心ceneter和分配函数U的隶属度值;
[U center obj_fcn(i)] = stepfcm(data U cluster_n expo);
if display 
fprintf(‘FCM:Iteration count = %d obj. fcn = %f\n‘ i obj_fcn(i));
end
% 终止条件判别
if i > 1
if abs(obj_fcn(i) - obj_fcn(i-1)) < min_impro 
            break;
        end
end
end

iter_n = i; % 实际迭代次数 
obj_fcn(iter_n+1:max_iter) = [];


% 子函数
function U = initfcm(cluster_n data_n)
% 初始化fcm的隶属度函数矩阵
% 输入:
%   cluster_n   ---- 聚类中心个数
%   data_n      ---- 样本点数
% 输出:
%   U           ---- 初始化的隶属度矩阵
U = r

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件      29990  2005-11-26 14:43  MainGUI.m

     文件       4794  2005-05-06 21:43  FCMClust.m

     文件     185480  2005-11-26 14:10  imsdata.mat

     文件       6369  2005-09-22 18:45  KFCMClust.m

     文件      15202  2005-11-26 14:37  MainGUI.fig

----------- ---------  ---------- -----  ----

               241835                    5


评论

共有 条评论