Fcm算法初步学习探索

1. Fcm算法是什么？

Fcm算法是一种基于划分的聚类算法，能够将相似度比较高的分配到同一个簇当中，也可以说是同一个簇当中的对象分配到同一个簇当中。反之而言，相似度不高的不会被分配在同一个簇中，或者说，不在同一个簇中的对象，相似度不高（低）。

2. Fcm中的一个必须要理解的概念— 隶属度

一般而言都会有一个隶属度函数，在这儿简称隶属度。

隶属度对于每一个对象A（这儿用A代表一下每一个对象这个 宽泛的概念），代表了A本身属于某一个簇或者几何的肯能性或者说程度。

隶属度函数的取值范围是 [0,1]，用概率表示，比较容易理解，若是隶属度等于1，也就表示A百分百属于某个簇或者几何。

简而言之，A属于集合B的可能性是0.3，属于集合C的可能性是0.5，属于集合D的可能性是0.2，那么在算法的分类过程当中，只能说A被分配到C可能性大一点儿，并不是说一定被分配到C中，很符合模糊一词的含义。

3.Fcm算法的函数表达式

uij在∈[0,1] , m是一个加权指数，dij是第i个聚类中心和第j个数据点间的欧几里得距离