聚类分析有着广泛的应用,包括模式识别、数据挖掘、图像处理等等,一直是人们研究的一个热点.在众多聚类算法中,基于划分的模糊聚类算法是模式识别和图像分割中最常用的算法类型之一.至今,文献中仍然不断有基于划分的模糊聚类算法的研究成果出现.该文系统地介绍了基于划分的模糊聚类理论,从改变度量方式、改变约束条件、在目标函数中引入熵以及考虑对聚类原型进行约束等方面,对目前文献中在C-均值算法的基础上得到的基于划分的模糊聚类算法进行综述和评价,并对几个基于划分的模糊聚类算法在彩色图像上的应用作了比较分析.全文共分六章,各章的主要内容如下:第一章介绍聚类的概念、应用、处理的数据类型以及聚类方法的一个分类情况.确定该文的研究范围和基本框架.第二章是对基于划分的模糊聚类算法的简要评述.第三章首先介绍了基于划分的聚类算法国内外的研究现状.然后,我们按照改变度量方式、改变约束条件、在目标函数中引入熵以及考虑对聚类中心的约束等几个方面对目前文献中的基于划分的模糊聚类算法进行分类研究,并介绍了我们所做的一个算法实现的软件包.根据从各类中典型算法执行得到的实验数据,我们比较了算法的优缺点,分析了导致这些实验结果的原因.第四章我们介绍了图像处理方面的基础知识,尤其是图像分割的知识以及聚类在图像分割上的应用.第五章我们把基于划分的模糊聚类算法中的FCM,ICS,FCM-ED以及PIM算法应用在图像上,并对实验结果作了比较分析.第六章结束语总结了全文和基于划分的模糊聚类算法存在的问题,并讨论了它的发展前景.