MATLAB-----模糊ISODATA

clc;
clear;
data = xlsread('Nfsensor.csv','Nfsensor');    %读入样本数据

Nc = 4;    % 初始聚类中心数目
m = 2;    % 控制聚类结果模糊程度
L = 0;    % 迭代次数
Lmax = 1000;    % 最大迭代次数
Nc_all = ones(Lmax,2);    % 各次迭代的分类数
Udmax = 10;    %最后一次的隶属度与前一次的隶属度的差值的初始值
e = 0.00005;    % 收敛参数
a = 0.33;    % 合并阈值系数
b = 1;    % 模糊化方差参数（通常取1）
r = 0.1;    % 分解阈值参数（算法使用者掌握的参数，控制G(K)的上升速度）
f = 0.68;    % 隶属度阈值（一般取值0-0.5之间）
Avms = 0.83;    % 平均隶属度阈值（一般应大于0.5，0.55-0.6之间取值比较适宜）
k_divide = 0.9;    %分裂1数（取0-1之间）
w = 0.2;    % 删除条件参数

Nc_start = Nc;
%调用Fuzzy ISODATA函数
[X, Z, U, Nc, L, Dcc, Dccm, Mind,  S, Smean, Fstd, T, C, k_delete, Dpc] = FussyISODATA_function(data, Nc, m, L, Lmax, Nc_all, Udmax, e, a, b, r, f, Avms, k_divide, w)

[Np, Nq] = size(data);    % Np 样本数目； Nq 样本维数

%将聚类结果在三维图中显示
figure;
hold on;
for i=1:Np
    for j = 1:Nc
        if Nc>8
            disp('聚类中心数目大于8个');
        else          
            switch X(i,1).category
                case 1
                    plot3(X(i,1).feature(1,1),X(i,1).feature(1,2),X(i,1).feature(1,3),'b*');    %第1类样本，蓝色*
                    grid on;box;
                    plot3(Z(j,1).feature(1,1),Z(j,1).feature(1,2),Z(j,1).feature(1,3),'ko');    %第1类聚类中心，黑色o
                    grid on;
                case 2
                    plot3(X(i,1).feature(1,1),X(i,1).feature(1,2),X(i,1).feature(1,3),'gd');    %第2类样本，绿色菱形
                    grid on;
                    plot3(Z(j,1).feature(1,1),Z(j,1).feature(1,2),Z(j,1).feature(1,3),'ko');    %第2类聚类中心，黑色o
                    grid on;
                case 3
                    plot3(X(i,1).feature(1,1),X(i,1).feature(1,2),X(i,1).feature(1,3),'rs');    %第3类样本，红色方块
                    grid on;
                    plot3(Z(j,1).feature(1,1),Z(j,1).feature(1,2),Z(j,1).feature(1,3),'ko');    %第3类聚类中心，黑色o
                    grid on;
                case 4
                    plot3(X(i,1).feature(1,1),X(i,1).feature(1,2),X(i,1).feature(1,3),'c+');    %第4类样本，青色+
                    grid on;
                    plot3(Z(j,1).feature(1,1),Z(j,1).feature(1,2),Z(j,1).feature(1,3),'ko');    %第4类聚类中心，黑色o
                    grid on;
                case 5
                    plot3(X(i,1).feature(1,1),X(i,1).feature(1,2),X(i,1).feature(1,3),'mx');    %第5类样本，品红色x
                    grid on;
                    plot3(Z(j,1).feature(1,1),Z(j,1).feature(1,2),Z(j,1).feature(1,3),'ko');    %第5类聚类中心，黑色o
                    grid on;
                case 6
                    plot3(X(i,1).feature(1,1),X(i,1).feature(1,2),X(i,1).feature(1,3),'yh');    %第6类样本，黄色六角星
                    grid on;
                    plot3(Z(j,1).feature(1,1),Z(j,1).feature(1,2),Z(j,1).feature(1,3),'ko');    %第6类聚类中心，黑色o
                    grid on;
                case 7
                    plot3(X(i,1).feature(1,1),X(i,1).feature(1,2),X(i,1).feature(1,3),'k.');    %第7类样本，黑色.
                    grid on;
                    plot3(Z(j,1).feature(1,1),Z(j,1).feature(1,2),Z(j,1).feature(1,3),'ko');    %第7类聚类中心，黑色o
                    grid on;
                case 8
                    plot3(X(i,1).feature(1,1),X(i,1).featu