模糊c均值聚类
使用FCM聚类生成一个模糊推理系统,使用genfis
命令。例如,假设您使用以下语法对数据进行集群:
(中心、U) = fcm(数据、数控选项);
第一个米
列数据
对应输入变量,其余列对应输出变量。
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。
选择= genfisOptions (“FCMClustering”);opt.NumClusters =数控;opt.Exponent =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,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函数。有关更多信息,请参见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多个不同隶属度的聚类。
FCM基于以下目标函数的最小化
在哪里
D为数据点的个数。
N为集群的数量。
米控制模糊重叠度的模糊划分矩阵指数,用米> 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重要成员关系的数据点的数量。
x我是我数据点。
cj中心是什么j集群。
μij是会员的程度吗x我在j集群。对于给定的数据点,x我,则所有集群的成员关系值之和为1。
fcm
集群化过程中执行如下步骤:
随机初始化集群成员的值,μij.
计算集群中心:
更新μij根据以下几点:
计算目标函数,J米.
重复步骤2-4直到J米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,李鸿源基于模糊目标函数的模式识别算法,全会出版社,纽约,1981年。