الگوریتم کلاسترینگ میانگین های فازی سرکوب شده یکی از الگوریتم های مهم و موثر در زمینه کلاسترینگ فازی است در این مقاله یک الگوریتم کلاسترینگ میانگین c فازی سرکوب شده مبتنی بر انتخاب بهینه با اطلاعات فضایی غیرمحلی برای تقسیم بندی تصویر جهت حل عیوب آن ارائه می شود. ابتدا یک استراتژی سرکوب شده مبتنی بر انتخاب بهینه برای اصلاح مقادیر درجه عضویت برای نقاط داده ارائه می شود. برای جزئیات بیشتر در هر مرحله تکرار تمامی نقاط داده براساس بیشترین مقدار درجه عضویت خود دسته بندی می شوند و سپس مقادیر درجه عضویت بالاترین نقطه داده اصلاح می شوند و در عین حال مقادیر درجه عضویت دیگر نقاط داده تغییر نمی کنند. در روش پیشنهادی ابتدا درصد انتخاب را روی Golden Section یا 68.21% قرار میدهیم. متغیر این نسبت را PSel یا Percentage-of-Selection می نامیم. در هر مرحله از تکرار الگوریتم، مقدار PSel به شکل زیر تغییر می کند:
PSel= PSel + Zeta*MaxP;
مقدار MaxP یا MaxPercentage را روی 10% تنظیم می کنیم. این مقدار سقف بالا و پایین تغییر PSel در هر تکرار است.متغیر Zeta در هر مرحله، با توجه به عملکرد الگوریتم سرکوب شده یا امتیاز می گیرد. در صورتی که عملکرد مرحله قبل در جهت حذف نویز و بهبود قطعه بندی باشد، متغیر Zeta بدون تغییر علامت، در همان جهت افزایش میابد. مثلا اگر مقدار قبلی آن -0.7 بوده باشد، در تکرار جدید به -0.8 تغییر می کند. اما اگر عملکرد در جهت نامناسب پیش رود، مقدار Zeta در جهت عکس تغییر خواهد کرد. بعنوان نمونه در مثال بالا به مقدار -0.6 تغییر خواهد کرد. این فرایند تا آخرین تکرار ادامه پیدا می کند.