模糊聚类分析

本文介绍了模糊聚类分析的基本步骤,包括确定分类数、指数m的值和迭代次数,以及如何初始化隶属度矩阵U和计算聚类中心C。作者QinL通过此分享帮助读者理解这一数据分析方法。
摘要由CSDN通过智能技术生成

模糊聚类分析的一般步骤为:

(1)确定分类数,指数m的值,确定迭代次数(;

(2)初始化一个隶属度U;

 (3)根据U计算聚类中心C;

 

data(:,1) = rand(100,1);
data(:,2) = rand(100,1);%随机生成数据
cluster_n = 2;%类别数
iter = 50;%迭代次数
m = 2;%指数
num_data = size(data,1);%样本个数
num_d = size(data,2);%样本维度
%初始化隶属度u,条件是每一列和为1
U = rand(cluster_n,num_data);
col_sum = sum(U);
U = U./col_sum(ones(cluster_n,1),:);
%% 循环规定迭代次数作为结束条件
for i = 1:iter
    %更新c      
 
  • 2
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值