模糊C均值聚类

模糊C均值聚类

 

重要的几个参数：类别数，聚类中心，迭代次数。

用隶属度确定每个数据点属于某个聚类的程度。

一个数据集的隶属度的和等于1：（1）

 

目的是使划分到同一簇的对象之间的相似度最大，而不同簇之间的相似度最小。

目标函数：（2）

隶属度函数是表示一个对象隶属于集合A的程度的函数

 

聚类中心公式如下：

      （3）

（4）

模糊C均值聚类算法是一个简单的迭代过程。

步骤1：用值在0，1间的随机数初始化隶属矩阵U，使其满足式（1）中的约束条件 
步骤2：用式（3）计算c个聚类中心ci，i=1,…,c。 
步骤3：根据式（2）计算目标函数。如果它小于某个确定的阀值，或它相对上次价值函数值的改变量小于某个阀值，则算法停止。 
步骤4：用（4）计算新的U矩阵。返回步骤2。

上述算法也可以先初始化聚类中心，然后再执行迭代过程。