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 x j ∈ R p \mathbf{x}_j \in\mathbb{R}^p xj∈Rp being the j j j-th sample and the target clusters number c c c, FCM clustering partitions the X \mathcal{X} X into c c c clusters by the cluster centers V = [ v 1 , v 2 , ⋯ , v c ] ∈ R p × c \mathbf{V}=[\mathbf{v}_1, \mathbf{v}_2, \cdots, \mathbf{v}_c]\in\mathbb{R}^{p\times c} V=[v1,v2,⋯,vc]∈R