FCM算法是一种基于划分的聚类算法,它的思想就是使得被划分到同一簇的对象之间相似度最大,而不同簇之间的相似度最小。模糊C均值算法是普通C均值算法的改进,普通C均值算法对于数据的划分是硬性的,而FCM则是一种柔性的模糊划分。
模糊聚类的目标函数:
与K-means算法区别在于目标函数
式中:
:隶属度矩阵
:第
个样本对第
类的隶属度,0到1之间。
1 | 2 | ... | n | |
1 | ||||
2 | ||||
... | ||||
c |
:样本
与聚类中心
的欧式距离。
FCM算法的约束条件:某个样本对各个聚类的隶属度之和为1,即
FCM算法的目标: