FCM算法与K-Means算法的聚类

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