1.FCM算法原理
模糊C均值(Fuzzy C-means)算法简称FCM算法,是一种基于目标函数划分的模糊聚类算法,主要用于数据的聚类分析。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。
FCM把n个向量xi(i=1,2,…,n)分为c个模糊组,并求每组的聚类中心,使得非相似性指标的价值函数达到最小。FCM使得每个给定数据点用值在0,1间的隶属度来确定其属于各个组的程度。隶属矩阵U允许有取值在0,1间的元素。不过,加上归一化规定,一个数据集的隶属度的和总等于1
那么,FCM的价值函数(或目标函数)就是式(6.2)的一般化形式:
这里uij介于0,1间;ci为模糊组I的聚类中心,dij=||ci-xj||为第I个聚类中心与第j个数据点间的欧几里德距离;且m∈[1,∞)是一个加权指数。
构造如下新的目标函数,可求得使(6.10)式达到最小值的必要条件:
这里λj,j=1到n,是(6.9)式的n个约束式的拉格朗日乘子。对所有输入参量求导,使式(6.10ÿ