论文概述系列-FCM及其相关改进算法

模糊C均值聚类算法

作为最具代表性的软聚类算法，模糊C均值聚类算法（FCM）对模糊性具有灵活性。因此，FCM得到了广泛的应用。

FCM的模型

FCM是一个基于中心的聚类算法，它与C均值不同的是，FCM中每个样本点不完全属于一个簇（或者一个中心点），而是通过隶属度表明样本点与每个簇的接近程度。

Given the data set be X = { x 1 , x 2 , ⋯   , x n } \mathcal{X}=\{\mathbf{x}_1,\mathbf{x}_2, \cdots, \mathbf{x}_n\} X={ x1​,x2​,⋯,xn​} with ${\mathbf{x}}_j\in {\mathbb{R}}^p$ being the $j$-th sample and the target clusters number $c$, FCM clustering partitions the $\mathcal{X}$ into $c$ clusters by the cluster centers $\mathbf{V}=[{\mathbf{v}}_1,{\mathbf{v}}_2,\cdots ,{\mathbf{v}}_c]\in {\mathbb{R}}^{}$