模糊c均值聚类
用FCM聚类方法生成模糊推理系统,使用genfis
命令。例如,假设你使用以下语法聚集你的数据:
(中心、U) = fcm(数据、数控选项);
第一个m
列的数据
对应于输入变量,其余列对应于输出变量。
您可以使用相同的培训数据和FCM群集配置生成模糊系统。要这样做:
配置群集选项。
选择= genfisOptions (“FCMClustering”);opt.numclusters = nc;opt.eplonent =选项(1);opt.maxnumiteration =选项(2);opt.minimprovement =选项(3);opt.verbose =选项(4);
提取输入和输出变量数据。
inputData =数据(:,1:M);outputData =数据(:,M + 1:结束);
生成FIS结构。
fis = genfis (inputData outputData,选择);
模糊系统,FIS.
,包含每个群集的一个模糊规则,每个输入和输出变量每簇都有一个隶属函数。有关更多信息,请参阅genfis
和genfisOptions
.
模糊c均值(FCM)是一种聚类方法,它允许每个数据点属于不同隶属度的多个聚类。
FCM基于以下目标函数的最小化
在哪里
D.是数据点数。
N是集群的数量。
m模糊划分矩阵是控制模糊重叠程度的指数,与m> 1.模糊重叠是指聚类之间的边界有多模糊,即在多个聚类中具有显著隶属关系的数据点的数量。
X一世是一世数据点。
Cj是的中心j集群。
μij是成员的成员X一世在j集群。对于给定的数据点,X一世,所有集群的成员关系值之和为1。
fcm
在集群化过程中执行以下步骤:
随机初始化群集成员身份值,μij.
计算集群中心:
更新μij根据以下内容:
计算目标函数,jm.
重复步骤2-4,直到jm改进小于指定的最小阈值或直到指定的最大迭代次数之后。
[1] Bezdek,J.C.,用模糊物镜函数算法识别,全会出版社,纽约,1981年。