模糊聚類_Matlab程序

1、模糊聚類1、模糊c劃分空間為: 即有c個(gè)類,共N個(gè)數(shù)據(jù)(樣本,對(duì)于某一樣本,其在所有類的隸屬度值和為1,對(duì)于某一個(gè)類,所有數(shù)據(jù)的隸屬度值和小于N。2、目標(biāo)函數(shù)中樣本與每類原型間的距離使用隸屬值加權(quán): 定性上說,距離越小,則越好,但還要考慮隸屬度值。3、采用歐式距離(A=I: 4、模糊劃分矩陣的元素為 5、聚類中心為: 模糊聚類從某種程度上說就是找到聚類中心。6、流程圖為: 舉例與程序:在2、5和8周圍以-22產(chǎn)生隨機(jī)數(shù),各20組數(shù)據(jù),維數(shù)為2。結(jié)果為:數(shù)據(jù)的均值為:2.2273 1.61615.5304 4.67288.7255 8.3218類中心為:5.6280 4.74522.2143 1

2、.6046 clcx2=5+rand(20,2.*4-2;x3=8+rand(20,2.*4-2;x=x1;x2;x3;n,n1=size(x;%x為樣本數(shù),n1為樣本維數(shù)c_max=3;%round(sqrt(n;分的類數(shù)%*x為n*m的矩陣,行為樣本的個(gè)數(shù),列為樣本的維數(shù)*%*z為c*m的矩陣,行為類的個(gè)數(shù),列為每個(gè)類的代表中心*%*u為c*n的矩陣,行為類的個(gè)數(shù),列為樣本數(shù),表示某樣本對(duì)類的隸屬度* z=x(1:c_max,:;%z初始化,x的前c_max個(gè)樣本為中心。u=zeros(c_max,n;%u初始化sumn=0;sum0=zeros(1,n1;sum1=0;num=0;e=1

3、;%精度初始化while e>1e-6%隸屬度值不再發(fā)生變化時(shí)終止u0=u;%記錄前一個(gè)的unum=num+1;%記錄循環(huán)次數(shù)for i=1:c_max %列更新ufor k=1:n %行更新u%*計(jì)算每個(gè)隸屬度*t0=norm(x(k,:-z(i,:2;if t0=0%意味著某的數(shù)據(jù)就是類中心u(:,k=0;%其他隸屬度為0,自身為1.u(i,k=1;elsefor j=1:c_maxt1=norm(x(k,:-z(j,:2;t2=(t0/t1(2/(m-1;sumn=sumn+t2;endu(i,k=1/(sumn+0.00001;%得到第k的數(shù)據(jù)在第k類的隸屬度sumn=0;endendend%*更新每類的代表中心z*for i=1:c_maxfor k=1:nr1=u(i,km;sum1=sum1+r1;sum0=sum0+x(k,:.*r1;endz(i,:=sum0/(sum1+0.000001;sum0=0;sum1=0;end%*終止條件部分*e=norm(u-u02;if num>500%防止陷入死循環(huán)break;endend%*畫出其中的二維圖*plot(x(:,1,x(:,2,'*',z(:,1,