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