FCM聚类算法

最新推荐文章于 2021-02-03 20:29:23 发布

V一方通行V

最新推荐文章于 2021-02-03 20:29:23 发布

阅读量5.4k

点赞数 2

分类专栏：学习笔记

本文链接：https://blog.csdn.net/qq4131533523/article/details/84547627

版权

FCM（Fuzzy C-Means）聚类算法是一种模糊集理论下的聚类方法，它通过计算样本点与聚类中心之间的失真度来划分数据。本文介绍了FCM的基本概念，包括知识准备如聚类算法、模糊集合和隶属函数，详细阐述了FCM的原理、目标函数和求解过程，并给出了算法的主要步骤。

摘要由CSDN通过智能技术生成

FCM聚类算法

知识准备

聚类算法： 聚类分析又称群分析，它是研究（样品或指标）分类问题的一种统计分析方法，同时也是数据挖掘的一个重要算法。顾名思义，就是将一些具有相似性质的数据划分到一起，得到多个具有不同性质的数据类集合。
模糊集合： 模糊集合是用来表达模糊性概念的集合。又称模糊集、模糊子集。普通的集合是指具有某种属性的对象的全体。这种方法把待考察的对象及反映它的模糊概念作为一定的模糊集合，建立适当的隶属函数，通过模糊集合的有关运算和变换，对模糊对象进行分析。模糊集合论以模糊数学为基础，研究有关非精确的现象。客观世界中，大量存在着许多亦此亦彼的模糊现象。
隶属函数： 是用于表征模糊集合的数学工具。为了描述元素u对U上的一个模糊集合的隶属关系，由于这种关系的不分明性，它将用从区间[0，1]中所取的数值代替0，1这两值来描述，表示元素属于某模糊集合的“真实程度”。
举个例子简单说明下：
比如你在荷兰和比利时的国界线喝咖啡，这时你一大半身子在荷兰，另一半在比利时，那么你应该算是在荷兰还是在比利时呢？
对于普通集合来说，因为你大半个身子在荷兰，那么你就应该属于在荷兰，因为集合只能是或不是，但是感觉这样描述不太准确，对于模糊集合来说，就比较好描述了，可以是你0.7属于荷兰，0.3属于比利时。0.7和0.3就是用你的体积来划分的隶属度。