FCM聚类与K-means聚类的实现和对比分析

一、收集数据

1.1数据来源

该数据来源于UCI数据库，UCI数据库是加州大学欧文分校(University of CaliforniaIrvine)提出的用于机器学习的数据库，UCI数据集是一个常用的标准测试数据集。
网址：http://archive.ics.uci.edu/ml/datasets/Solar+Flare

1.2数据描述

太阳耀斑数据集：每一类属性统计一个24小时周期太阳耀斑数据集中某一类耀斑的数量

数据量（Number of Instances）：1389
属性数量（Number of Attributes）：13（其中输入属性为10个，输出属性为3个）

1、类别代码：（A=1、B=2、C=3、D=4、E=5、F=6、H=7）
2、最大光斑尺寸代码：（X=0、R=2、S=3、A=1、H=7、K=4）
3、现场分布规范：（X=0、O=1、I=2、C=3）
4、活动（1=减少，2=不变）
5、进化（1=衰退，2=无增长，3=增长）
6、以前的24小时耀斑活动代码（1=没有M1大，2=一个M1，3=比一个M1多的活动）
7、历史复杂性（1=是，2=否）
8、在这个穿过太阳圆盘的路径上，区域是否变得历史上的复杂（1=是，2=否）
9、面积（1=小，2=大）
10、最大点面积（1=<=5，2=>5）
从所有这些属性预测三类耀斑，代表数据集中的最后三列

11、该地区在接下来的24小时内生产的C级耀斑（普通耀斑）的数量
12、该地区在接下来的24小时内产生的M级耀斑（中等耀斑）的数量
13、该地区在接下来的24小时内产生的X级耀斑（严重耀斑）的数量

二、Fuzzy C-means

2.1FCM介绍

模糊c-均值聚类算法 fuzzy c-means algorithm (FCMA)或称（ FCM）。在众多模糊聚类算法中，模糊C-均值（ FCM） 算法应用最广泛且较成功，它通过优化目标函数得到每个样本点对所有类中心的隶属度，从而决定样本点的类属以达到自动对样本数据进行分类的目的。
核心思想： 算法把n个向量xi 其中(i=1,2…,n)分为c个组Cj其中(j=1,2,…,c)，并求每组的聚类中心，使得非相似性（或距离）指标的价值函数（或目标函数）达到最小。

2.2 FCM的原理

将对象集U分成c类(2≤c≤n),则每一类都对应着一个聚类中心向量,记为 Vi=(vi1, vi2,…, vim) ,(i=1,2,…,c),以Vi作为行所构成的矩阵称为聚类中心矩阵V

FCM的目标函数：

R：原矩阵
V：聚类中心
q：参数，一般可取q=2
rik：第k个样本点对于第i个类别的隶属度，一般是用两个向量之间的距离表示
||uk-Vi||：第k个样本离第i个类别的距离
第k个样本离第i个类别的距离大则隶属度就小

2.3 FCM流程

步骤1：用值在0，1间的随机数初始化隶属矩阵R(0)，使其满足约束条件，并逐步迭代
步骤2：计算对应矩阵R(l)的聚类中心V(l)
步骤3：更新隶属矩阵R(l)，比较R (l)与R (l+1)。若对取定的精度x>0,有 max{|rik (l+1) －rik (l)|} ≤ x，则R (l+1)和V (l)即为所求,即R= R (l+1), V = V (l),停止迭代。否则,l=l+1回到第2步,重复进行。

2.4 对于收集的数据集的FCM代码及结果

2.4.1 代码实现

向matlab导入txt中的数据集
（1）当数据集中存在英文时

m=1389;
n=13;
data=cell(m,n);%定义cell矩阵，存储文件内容
fid=fopen('solar.txt','r');%以只读方式打开文件
for i=1:m
for j=1:n
data{
   i,j}=fscanf(fid,'%s',[1,1]);%以字符方式读取每个值，遇空格完成每个值的读取
end
end
fclose (fid);
for i=1:m
for j=4:n
data{
   i,j}=str2double(data{
   i,j});%将文本格式转为数字格式
end
end
str=cell(m,1); %用于存储data的第1列
for i=1:m
str{
   i}=data{
   i,1};
end 
str=cell(m,2); %用于存储data的第2列
for i=1:m
str{
   i}=data{
   i,2};
end 
str=cell(m,3); %用于存储data的第3列
for i=1:m
str{
   i}=data{
   i,3};
end 

（2）当数据集为纯数字时

data = importdata('solar.txt');

聚类实现
计算模糊熵

classF=0;%记录平均模糊熵
num_data = size(data,1);%样本个数
for i=1:3
    for j=1:num_data
        classF=classF+U(i,j)*log(U(i,j));
    end
    classF=classF/num_data;
end

因为该数据集得到的是为从所有这些属性预测三类耀斑，则聚类为三类c=3

T=100;
c=3;
m=2;
[U, V]=myfcm(data, c, T, m, epsm);
function [U, V,objFcn] = myfcm(data, c, T, m, epsm)
% fuzzy c-means algorithm
% 输入： data： 待聚类数据，n行s列，n为数据个数，s为每个数据的特征数
%        c  ：  聚类中心个数
%        m  :   模糊系数
% 输出： U  :   隶属度矩阵，c行n列，元素uij表示第j个数据隶属于第i类的程度
%        V  ：  聚类中心向量，c行s列，有c个中心，每个中心有s维特征
if nargin < 3
 T = 100;  %默认迭代次数为100
end
if nargin < 5
  epsm = 1.0e-6;  %默认收敛精度
end
if nargin < 4
  m = 2;  %默认模糊系数值为2
end
[n, s] = size