加载数据

加载五个样本数据集，然后选择设置为群集的数据。这些数据集具有不同数量的群集和数据分布。

加载fcmdata.数据集=fcmdata3.;

指定FCM设置

配置群集算法设置。有关这些设置的更多信息，请参阅FCM.．要为每个数据集获得准确的聚类结果，请尝试不同的聚类选项。

指定计算的群集数，必须大于1．

n =4.;

指定模糊划分矩阵的指数，控制聚类之间的模糊重叠程度。该值必须大于1，具有较小的值创建更清晰的群集边界。有关更多信息，请参阅模糊c均值聚类中的模糊重叠调整．

Exp =.2;

指定优化迭代的最大次数。

maxiter =.One hundred.;

指定目标函数在连续迭代之间的最小改进值。当目标函数的改进值低于此阈值时，优化停止。值越小，聚类结果越准确，但聚类收敛的时间越长。

最小=0.00001;

指定是否在每次迭代后显示目标函数值。

displayObjective =错误的;

为此创建一个选项向量FCM.使用这些设置功能。

选项= [exp maxiter simeprove displaybjective];

集群的数据

将数据群集到N.集群。

[c，u] = fcm（数据集，n，选项）;

C包含每个群集的计算中心。你包含计算的模糊分区矩阵，其指示每个群集中的每个数据点的成员资格的程度。

将每个数据点分类为其具有最高成员资格的群集。

maxu = max（u）;索引= cell（n，1）;为了i = 1：n索引{i} =查找（u（i，:) == maxu）;结尾

绘制聚类结果

绘制聚类结果。

图保存在为了i = 1：n绘图（DataSet（索引{i}，1），数据集（索引{i}，2），“o”）绘图（c（i，1），c（i，2），'XK'那“MarkerSize”，15，'行宽'3)结尾抓住从

每个群集中的数据点以不同的颜色显示。每个群集的中心显示为黑色X．

绘制数据点成员资格值

选择一个群集绘制隶属度函数表面的群集。

集群=2;

通过将曲面拟合到所有数据点的集群成员身份值，获取所选群集的成员资格函数。有关插值分散的3-D数据的更多信息，请参阅Griddata.．

[X,Y] =网网格(0:05:1,0:05:1);Z = griddata(数据集(:1),数据集(:,2),U(集群:),X, Y);冲浪(X, Y, Z)

当你减少时指数值，从最大完整群集成员资格到零集群成员身份的转换变得更加陡峭;也就是说，群集边界变得更加清晰。