FCM算法的matlab实现（Fuzzy C-means 算法）

$FCM$算法简介

$FCM$算法属于划分式聚类算法，用模糊的方法来处理聚类问题，他从一个初始划分开始，需要预先指定聚类数目，还需要定义一个最优化聚类标准，也就是目标函数，作为度量各类样本分布的代价函数。$FCM$把N个数据向量分为$C$个模糊类，用每个类的聚类中心代表该类。通过反复的迭代运算，逐步降低目标函数的误差值，当目标函数收敛时，可得到最终的聚类结果。

$FCM$算法原理

符号说明：
$x_i$ 第$i$个样本
$N$ 样本的个数
$l$ 样本的维度
$C$ 划分的样本的类别
$V$ 聚类中心
$u_{ik}$第$i$个数据点属于第k类的隶属度
$d(x_i,v_k)$ 第$i$个样本到第$k$聚类中心的欧氏距离，即$d(x_i,v_k)=\sqrt{{\sum }_{p=1}^L(x_{ip}-v_{kp}{)}^2}$

$FCM$算法的目标函数定义为：
$$J_{FCM}(u,v)=\sum _{k=1}^C\sum _{i=1}^N{u}_{ik}^m{d}^2(x_i,v_k)$$
其中隶属度的约束条件为：
$$k=$$