模糊C均值聚类(FCM)起源于C均值聚类(HCM,K-means)聚类。
一些教学资料中讲述 HCM 比较多,属于硬性聚类划分: 一个元素x只有属于或者不属于某个类Ci两种情况 ;
n个隶属度约束函数:对于第一个元素u11+u12+...+u1c=1、对于第二个元素u21+u22+...+u2c=1……
一些教学资料中讲述 HCM 比较多,属于硬性聚类划分: 一个元素x只有属于或者不属于某个类Ci两种情况 ;
而FCM是柔性的划分:一个元素x属于某个类Ci的隶属度(或者称之为概率)为ui(u∈[0,1]),比较x属于不同的类隶属度大小确定所属C,并且,x对于c个类的隶属度之和为1,即u1+u2+...+uc=1。
0.2 | 0.75 | 0.91 | 0.3 | 0.18 |
0.3 | 0.15 | 0.02 | 0.18 | 0.12 |
0.5 | 0.1 | 0.07 | 0.52 | 0.7 |
隶属度矩阵U={uij},维度3*5,表示5个元素分为3个类,其中第一个元素x1属于三个类C1、C2、C3的隶属度(第一列)分别为0.2,0.3,0.5。
n个隶属度约束函数:对于第一个元素u11+u12+...+u1c=1、对于第二个元素u21+u22+...+u2c=1……
一个价值函数(称之为度量聚类函数、目标函数): ,自然语言就是说求所有元素到所有聚类中心的“距离”之和,可以认为价值函数表示的是聚类结果的分散性大小,所以越小越好。
FCM聚类实质上就是在满足隶属度约束函数情况下,计算价值函数最小值。学过高数条件极值就明白该怎么计算了:利用拉格朗日条件极值解法。
FCM可以分为两部分:求类中心及价值函数和迭代。