-
function [center, U, obj_fcn] =
FCMClust(data, cluster_n, options)
%
FCMClust.m
采用模糊
C
均值对数据集
data
聚为
cluster_n
类
%
用法：
%
1.
[center,U,obj_fcn] =
FCMClust(Data,N_cluster,options);
%
2.
[center,U,obj_fcn] =
FCMClust(Data,N_cluster);
%
输入：
%
data
---- nxm
矩阵
,
表示
n
个样本
,
每个样本具有
m
的维特征值
%
N_cluster
----
标量
,
表示聚合中心数目
,
即类别数<
/p>
%
options
----
4x1
矩阵，其中
%
options(1):
隶属度矩阵
U
的指数，
>1
(
缺省值
: 2.0)
%
options(2):
最大迭代次数
(
缺省值
:
100)
%
options(3):
隶属度最
小变化量
,
迭代终止条件
(
缺省值
: 1e-5)
%
options(4):
每次迭代是否输出信息标志
(
缺省值
: 1)
%
输出：
%
center
----
聚类中心
%
U
----
隶属度矩阵
%
obj_fcn
----
目标函数值
%
Example:
%
data = rand(100,2);
%
[center,U,obj_fcn] = FCMClust(data,2);
%
plot(data(:,1), data(:,2),'o');
%
hold on;
%
maxU = max(U);
%
index1 =
find(U(1,:) == maxU);
%
index2 = find(U(2,:) ==
maxU);
%
line(data(index1,1),data(index1,2),'marke
r','*','color','g');
%
line(data(index2,1),data(in
dex2,2),'marker','*','color','r');
%
plot([center([1
2],1)],[center([1 2],2)],'*','color','k')
%
hold off;
%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%
%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%
%%%%%%%%%%%%%%%%
if nargin
~= 2 & nargin ~= 3,
%
判断输入参数个数只能是
2
个或
3
个
error('Too many or
too few input arguments!');
end
data_n = size(data, 1); % <
/p>
求出
data
的第一维
< br>(rows)
数
,
即样本个数<
/p>
in_n = size(data, 2);
%
求出
data
的第二维
(columns)
数，即特征值长度
%
默认操作参数
default_options = [2;
%
隶属度矩阵
U
的指数
100;
%
最大迭代次数
1e-5;
%
隶属度最小变化量
,
迭代终止条件
1];
%
每次迭代是否输出信息标志
if nargin == 2,
options = default_options;
else
%
分析有
options
< br>做参数时候的情况
%
如果输入参数个数是二那么就调用默认的
option;
if length(options) < 4, %
如果用户给的
opition
数少于
4
个那么其他用默认值
;
tmp =
default_options;
tmp(1:length(options)) = options;
options = tmp;
end
%
返回
o
ptions
中是数的值为
0(
如
NaN),
不是数时为
1
nan_index =
find(isnan(options)==1);
%
将
denfault_options
中对应位置的参数赋值给
options
中不是数的位置
.
options(nan_index) =
default_options(nan_index);
if options(1) <= 1,
%
如果模糊矩阵的指数小于等于
1
error('The exponent should
be greater than 1!');
end
end
%
将
options
中的分量分别赋值给四个变量
;
expo = options(1);
%
隶属度矩阵
U
的指数
max_iter = options(2);
%
最大迭代次数
min_impro = options(3);
%
隶属度最小变化量
,
迭代终止条件
display =
options(4);
%
每次迭代是否输出信息标志
obj_fcn = zeros(max_iter,
1); %
初始化输出参数
obj_fcn
U = initfcm(cluster_n,
data_n);
%
初始化模糊分配矩阵
,
使
U
满足列上相加为<
/p>
1,
% Main loop
主要循环
for i =
1:max_iter,
%
在第
k<
/p>
步循环中改变聚类中心
ceneter,
和分配函数
U
的隶属度值
;
[U, center, obj_fcn(i)] =
stepfcm(data, U, cluster_n, expo);
if display,
fprintf('FCM:Iteration
count = %d, obj. fcn = %fn', i, obj_fcn(i));
end
%
终止条件判别
if i > 1,
if abs(obj_fcn(i) -
obj_fcn(i-1)) < min_impro,
break;
end,
end
end
iter_n = i;
%
实际迭代次数
-
-
-
-
-
-
-
-
-
上一篇：江天一色无纤尘,皎皎空中孤月轮全诗的意思
下一篇：关于王国维三种境界的理解