subclust
使用减法聚类发现集群中心
语法
描述
例子
输入参数
输出参数
提示
使用减法聚类生成一个模糊推理系统,使用
genfis
命令。例如,假设你集群数据使用下面的语法:C = subclust(数据、clusterInfluenceRange“DataScale”dataScale,“选项”、选择);
第一个
米
列数据
对应于输入变量,其余列对应输出变量。你可以生成一个模糊系统使用相同的训练数据和减去集群配置。这样做:
配置集群选项。
选择= genfisOptions (“SubtractiveClustering”);opt.ClusterInfluenceRange = clusterInfluenceRange;opt.DataScale = dataScale;opt.SquashFactor =选项(1);opt.AcceptRatio =选项(2);opt.RejectRatio =选项(3);opt.Verbose =选项(4);
提取数据的输入和输出变量。
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
,包含一个模糊规则为每个集群,每个输入和输出变量有一个每个集群成员函数。你可以只生成Sugeno利用减法聚类模糊系统。有关更多信息,请参见genfis
和genfisOptions
。
算法
减法聚类假设每个数据点是一个潜在的集群中心。算法如下:
计算每个数据点的可能性将定义一个集群中心,基于周围的数据点的密度。
选择最高的数据点可能是第一个集群中心。
删除所有数据点附近的第一个集群中心。附近使用决定
clusterInfluenceRange
。选择剩余潜力最高的点作为下一个集群中心。
重复步骤3和4,直到所有集群的影响范围内的数据中心。
减法聚类方法是一个扩展的聚类方法[2]。
引用
[1]赵,斯蒂芬·l·“模糊模型识别基于集群的估计。”智能和模糊系统杂志》上2,没有。3 (1994):267 - 78。https://doi.org/10.3233/ifs - 1994 - 2306。
[2]狙击兵,罗纳德·R。,和Dimitar P. Filev. “Generation of Fuzzy Rules by Mountain Clustering.”智能和模糊系统杂志》上2,没有。3(1994):209 - 19所示。https://doi.org/10.3233/ifs - 1994 - 2301。