fcm
模糊c均值聚类
描述
例子
输入参数
输出参数
提示
要使用FCM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:[centers,U] = fcm(数据,Nc,选项);
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FCM聚类配置生成一个模糊系统。这样做:
配置集群选项。
opt = genfisOptions(“FCMClustering”);opt.NumClusters = Nc;opt.Exponent = options(1);opt.MaxNumIteration =选项(2);opt.MinImprovement = 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。有关更多信息,请参见genfis
而且genfisOptions
.
算法
模糊c均值(FCM)是一种聚类方法,它允许每个数据点属于多个具有不同隶属度的聚类。
FCM基于以下目标函数的最小化
在哪里
D是数据点的数量。
N是集群的数量。
米模糊分块矩阵是用来控制模糊重叠度的指数吗米> 1.模糊重叠指的是聚类之间边界的模糊程度,即在多个聚类中具有重要隶属关系的数据点的数量。
x我是我数据点。
cj中心是j集群。
μij会员的程度是x我在j集群。对于给定的数据点,x我,则所有簇的隶属度值之和为1。
fcm
集群过程中执行以下步骤:
随机初始化集群成员值,μij.
计算集群中心:
更新μij依据如下:
计算目标函数,J米.
重复步骤2-4,直到J米改进的幅度小于指定的最小阈值或直到指定的最大迭代次数之后。
参考文献
比兹德克,j.c.,基于模糊目标函数算法的模式识别,纽约全会出版社,1981年。
版本历史
R2006a之前介绍