subclust
使用减法聚类找到聚类中心
语法
描述
例子
输入参数
输出参数
提示
要使用减法聚类生成模糊推理系统,请使用
genfis
命令。例如,假设你使用以下语法进行数据集群:C = subclust(data,clusterInfluenceRange,“DataScale”dataScale,“选项”、选择);
第一个
米
列数据
对应于输入变量,其余列对应于输出变量。您可以使用相同的训练数据和减法聚类配置生成一个模糊系统。这样做:
配置集群选项。
opt = genfisOptions(“SubtractiveClustering”);opt.ClusterInfluenceRange = clusterInfluenceRange;opt.DataScale = dataScale;opt.SquashFactor = options(1);opt.AcceptRatio = options(2);opt.RejectRatio = options(3);opt.Verbose =选项(4);
提取输入和输出变量数据。
inputData = data(:,1:M);outputData = data(:,M+1:结束);
生成FIS结构。
fis = genfis(inputData,outputData,opt);
模糊系统,
金融中间人
,每个聚类包含一个模糊规则,每个输入和输出变量每个聚类有一个隶属度函数。使用减法聚类只能生成Sugeno模糊系统。有关更多信息,请参见genfis
而且genfisOptions
.
算法
减法聚类假设每个数据点都是一个潜在的聚类中心。该算法执行如下操作:
根据周围数据点的密度,计算每个数据点定义一个聚类中心的可能性。
选择潜力最大的数据点作为第一个聚类中心。
删除第一个群集中心附近的所有数据点。附近是用
clusterInfluenceRange
.选择剩余潜力最高的点作为下一个聚类中心。
重复步骤3和4,直到所有数据都在集群中心的影响范围内。
减法聚类方法是对山聚类方法的扩展[2].
参考文献
[1] Chiu S.,“基于聚类估计的模糊模型识别,”智能与模糊系统学报1994年9月,第2卷第3期。
[2] Yager, R.和D. Filev,“通过山聚类生成模糊规则,”智能与模糊系统学报,第2卷第3期,第209-219页,1994年。