本文介绍了模糊C均值（FCM）算法的基本原理，它是一种用于数据聚类分析的模糊聚类算法。FCM允许数据点有多个模糊归属，通过最小化价值函数来确定聚类中心。接着，文章提到了扑克手数据集，用于预测扑克手的分类问题。最后，简述了FCM算法在Matlab中的实现。
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&
最低0.47元/天 解锁文章
3439
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
