Clustering: Fuzzy K-Means

  Fuzzy K-Means

与kmeans的区别在于fuzzy, 聚类不明确，只是提供一个隶属度。可以理解成样本属于某个簇的概率

算法步骤：

a. 设定聚类的个数K

b. 选取样本集中k个样本做为簇的中心C

c. 计算隶属度矩阵

   

   其中，m是样本的属性个数。

d. 根据隶属度更新簇中心

  

e. 循环步骤c和d, 直到中心点不再变化，或者其他的终止条件，例如隶属度矩阵的误差小于一个阈值等
 

 

参考：http://home.dei.polimi.it/matteucc/Clustering/tutorial_html/cmeans.html