模糊C均值聚类算法(原理+Matlab代码)
来源:互联网 发布:阿里数据包导入淘宝 编辑:程序博客网 时间:2024/05/18 03:56
FCM代码
function[center,U,obj_fun]=FCMCluster(data,n,options)%采用模糊C均值将数据集data分为n类%用法% 1 [center,U,obj_fcn]=FCMCluster(data,n,options);% 2 [center,U,obj_fcn]=FCMCluster(data,n);%输入 % data n*m矩阵,n个样本数,每个样本的维度为m% n 类别数% options 4*1 矩阵% options(1):隶属度矩阵U的加权指数% options(2):最大迭代次数% options(3):隶属度最小变化量,迭代终止条件% options(4):每次迭代是否输出信息标志%输出% center 聚类中心% U 隶属度矩阵% obj_fun 目标函数值if nargin~=2 && nargin~=3 error('Too many or too few input arguments');end data_n=size(data,1);in_n=size(data,2);%默认参数default_options=[2;100;1e-5;1];%参数配置 %如果只输入前两个参数,选用默认的参数;如果参数个数小于4,其他选用默认参数 if nargin==2 options=default_options; else if length(options)<4 tmp=default_options; tmp(1:length(options))=options; options=tmp; end nan_index=find(isnan(options)==1); options(nan_index)=default_options(nan_index); if options(1)<=1 error('The exponent should be greater than 1!'); end end %将options 中的分量分别赋值给四个变量 expo=options(1); max_iter=options(2); min_impro=options(3); display=options(4); obj_fun=zeros(max_iter,1); %初始化模糊分配矩阵 U=initfcm(n,data_n); %主程序 for i=1:max_iter [U,center,obj_fun(i)]=stepfcm(data,U,n,expo); if display fprintf('FCM:Iteration count=%d,obj_fun=%f\n',i,obj_fun(i)); end %终止条件判别 if i>1 if abs(obj_fun(i)-obj_fun(i-1))<min_impro break; end end end iter_n=i; obj_fun(iter_n+1:max_iter)=[];% end%%子函数 模糊矩阵初始化 function U= initfcm(n,data_n) U=rand(n,data_n); col_sum=sum(U); U=U./col_sum(ones(n,1),:); end%%子函数 逐步聚类 function [U_new,center,obj_fun]=stepfcm(data,U,n,expo) mf=U.^expo; center=mf*data./((ones(size(data,2),1)*sum(mf'))'); dist=distfcm(center,data); obj_fun=sum(sum((dist.^2).*mf)); tmp=dist.^(-2/(expo-1)); U_new=tmp./(ones(n,1)*sum(tmp)); end%%子函数 计算距离 function out=distfcm(center,data) out=zeros(size(center,1),size(data,1)); for k=1:size(center,1) out(k,:)=sqrt(sum(((data-ones(size(data,1),1)*center(k,:)).^2)',1)); end end算法测试
data=rand(100,2);
[center,U,obj_fcn] = FCMCluster(data,2);
plot(data(:,1),data(:,2),’o’);
hold on;
index1=find(U(1,:)==max(U));%找出划分为第一类的数据索引
index2=find(U(2,:)==max(U));%找出划分为第二类的数据索引
plot(data(index1,1),data(index1,2),’g*’);
hold on;
plot(data(index2,1),data(index2,2),’r*’);
hold on;
plot([center([1 2],1)],[center([1 2],2)],’*’,’color’,’k’);
实验结果展示:
原数据分布
聚类结果
2 0
- 模糊C均值聚类算法(原理+Matlab代码)
- 模糊C均值聚类(FCM)算法(IOSDATA)+ c语言代码
- 模糊C均值聚类原理
- FCM聚类算法(模糊C均值算法)
- 模糊C均值算法(FCM)分割图像MATLAB程序
- FCM 模糊C均值聚类算法
- 模糊C均值聚类算法
- 模糊C均值聚类算法
- 模糊C均值聚类算法(FCM) --…
- [转载]遗传算法改进的模糊C-均值聚类MATLAB源码
- 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
- 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
- mysql服务器调优思路
- Linux下的socket编程实践(二)socket编程基本API简介
- jvm垃圾回收
- 树的最大割问题 算法设计第十章习题9
- C++迭代器 iterator
- 模糊C均值聚类算法(原理+Matlab代码)
- php json()函数
- 十一期间web捣鼓
- jquery 获取元素内容和值
- iOS NSAssertionHandler讲解
- 两个分析查询的有用函数
- JavaScript权威指南学习之第6章 对象
- DirectX11 光照与材质的相互作用
- 模式匹配(第一篇