模糊C均值聚类
来源:互联网 发布:ubuntu 恢复图形界面 编辑:程序博客网 时间:2024/05/17 20:27
模糊C均值聚类(FCM),即众所周知的模糊ISODATA,是用隶属度确定每个数据点属于某个聚类的程度的一种聚类算法。1973年,Bezdek提出了该算法,作为早期硬C均值聚类(HCM)方法的一种改进。
FCM把n个向量xi(i=1,2,…,n)分为c个模糊组,并求每组的聚类中心,使得非相似性指标的价值函数达到最小。FCM与HCM的主要区别在于FCM用模糊划分,使得每个给定数据点用值在0,1间的隶属度来确定其属于各个组的程度。与引入模糊划分相适应,隶属矩阵U允许有取值在0,1间的元素。不过,加上归一化规定,一个数据集的隶属度的和总等于1.
FCM的价值函数(或目标函数)就是所有个点隶属度乘以该点与中心的欧氏距离之和。
在批处理方式运行时,FCM用下列步骤确定聚类中心ci和隶属矩阵U[1]:
步骤1:用值在0,1间的随机数初始化隶属矩阵U,使其满足式(6.9)中的约束条件
步骤2:用式(6.12)计算c个聚类中心ci,i=1,…,c。
步骤3:根据式(6.10)计算价值函数。如果它小于某个确定的阀值,或它相对上次价值函数值的改变量小于某个阀值,则算法停止。
步骤4:用(6.13)计算新的U矩阵。返回步骤2。
上述算法也可以先初始化聚类中心,然后再执行迭代过程。由于不能确保FCM收敛于一个最优解。算法的性能依赖于初始聚类中心。因此,我们要么用另外的快速算法确定初始聚类中心,要么每次用不同的初始聚类中心启动该算法,多次运行FCM。
迭代函数:
6.12
6.13
- 模糊C均值聚类
- 模糊C均值聚类
- 模糊c均值聚类
- 模糊C均值聚类
- 模糊C均值聚类
- 模糊C均值聚类
- 多核模糊C均值聚类
- FCM 模糊C均值聚类算法
- 模糊C均值聚类原理
- 模糊C均值聚类算法
- 模糊C均值聚类算法
- 模糊C均值聚类以及C实现
- K均值 && 模糊c均值
- K均值 && 模糊c均值
- 模糊C均值聚类算法及实现
- MFC对话框实现模糊c均值聚类算法
- 模糊C均值聚类算法(FCM) --…
- 直觉模糊C均值聚类与图像阈值分割
- 面试题 简单基于角色控制的权限管理系统
- 求解矩阵行列式
- 《Thinking in Java》和《Core Java》
- Microsoft Windows 今天21岁生日!
- I'm a 偏执狂!
- 模糊C均值聚类
- 开发进度报告-何
- 如何显示位图,位图相关知识
- 页面生存周期
- java多态的学习
- 设计模式之Iterator迭代模式
- jdk里面的tools.jar和Tomcat里lib下的tools.jar版本要一致
- C++内存对象布局
- 求方阵逆