摘要：模糊C-均值(Fuzzy C-Means,FCM)聚類算法是一種基于劃分的無監(jiān)督聚類算法,也是較為常見的圖像分割算法之一,該算法通過尋找0~1之間的模糊隸屬度等級來進(jìn)行圖像分割,并通過在特征空間中尋找聚類中心來達(dá)到最小化目標(biāo)函數(shù)的目的。它的局限性主要有實(shí)時性較差、初始聚類中心的設(shè)置對最終結(jié)果影響較大、未考慮空間因素導(dǎo)致抗噪性弱。本文將mini-batch方法應(yīng)用到FCM算法中,加快了FCM算法的收斂速度,提高了算法的效率及時效性,一定程度上解決了當(dāng)數(shù)據(jù)特征復(fù)雜、集合較大時,FCM算法的實(shí)時性不是很理想的問題,繼而節(jié)省算法運(yùn)行的時間。