模糊聚类综述摘要：本文首先对模糊聚类进行了概述，然后论述了模糊据类分析法，最后从四个方面综述模糊聚类的研究进展，并论述了其在模式识别及图像处理中的应用。
关键词：模糊聚类，模糊相似矩阵，图像处理聚类分析是一种数据划分或分组处理的重要手段和方法。
其操作的目的在于将特征空间中一组没有类别标记的矢量按某种相似性准则划分到若干个子集中，使得每个子集代表整个样本集的某个或者某些特征和性质。
从这个意义上讲，聚类又称为无监督的分类。
传统的聚类分析把每个样本严格地划分到某一类，属于硬划分的范畴。
实际上，样本并没有严格的属性，它们在性态和类属方面存在着中介性。
随着模糊集理论的提出，硬聚类被推广为模糊聚类。
在模糊聚类中，每个样本不再仅属于某一类，而是以一定的隶属度分属于每一类。
换句话说，通过模糊聚类分析，得到了样本属于各个类别的不确定性程度，即建立起了样本对于类别的不确定性的描述，这样就能更准确地反映现实世界。
1.模糊聚类分析法聚类分析是对事物按一定要求进行分类的数学方法。
实际的分类问题常伴有模糊性，因此，聚类问题用模糊数学的方法解决更确切。
在实际的模糊聚类问题中，主要有用模糊等价关系进行的聚类分析和基于模糊拟序关系的聚类分析。
其中，前者较为常用。
1.1 聚类分析的步骤 步骤一：标定。
设X ：}{12,,n X X X 为被分类对象全体，每一对象i x 由一组数据}{12,,i i im x xx 表征。
建立x 上的模糊相似关系R ，R 可表示为模糊相似矩阵R ＝()ij n nr ⨯，其中i x 与j x 的相似度ij r 可根据实际情况，从下列方法中选择一种来规定。
1)数量积：，其中M 为一适当正数，满足M ≥1max()mik jk i jk x x ≠=∑.2)夹角余弦：mikjkij xx r =∑3）相关系数：miki jk jij xx x x r -⋅-=∑i x ＝11mik k x m =∑，j x ＝11mjk k x m =∑。
