这个例子展示了FCM如何使用准随机二维数据进行聚类。
加载数据集并绘制它。
负载fcmdata.dat情节(fcmdata (: 1) fcmdata (:, 2),“o”)
接下来,调用命令行函数,fcm
,在这个数据集中找到两个聚类,直到目标函数不再大幅减少为止。
(中心、U、objFcn) = fcm (fcmdata, 2);
迭代计数= 1,obj。fcn = 8.970479 Iteration count = 2, obj. fcn = 8.970479fcn迭代数= 3 = 7.197402,obj。fcn = 6.325579 Iteration count = 4, obj. php . php . php . php . php . php . php。fcn = 4.586142迭代计数= 5,obj。fcn = 3.893114;fcn = 3.810804 Iteration count = 7, obj. log(迭代次数)fcn = 3.799801迭代计数= 8,obj。fcn = 3.797862 Iteration count = 9, obj. fcn = 3.797862fcn = 3.797508 Iteration count = 10, obj. fcn = 3.797508 fcn = 3.797444 Iteration count = 11, obj. fcn = 3.797432 Iteration count = 12, obj. fcn = 3.797430
中心
包含两个簇中心的坐标,U
包含每个数据点的成员等级,并且objFcn
包含目标函数在迭代过程中的历史记录。
的fcm
函数是建立在以下例程之上的迭代循环:
initfcm
-初始化问题
distfcm
-执行欧几里得距离计算
stepfcm
-执行一次集群迭代
为了查看聚类的进度,绘制目标函数。
图绘制(objFcn)标题(的目标函数值)包含(迭代计算的) ylabel (的目标函数值)
最后,绘制由fcm
函数。情节中的大字表示群集中心。
maxU = max (U);index1 = find(U(1,:) == maxU);index2 = find(U(2,:) == maxU);图线(fcmdata (index1, 1), fcmdata (index1, 2),“线型”,...“没有”,“标记”,“o”,“颜色”,‘g’1)线(fcmdata (index2), fcmdata (index2, 2),“线型”,...“没有”,“标记”,“x”,“颜色”,“r”)举行在情节(中心(1,1),中心(1、2),“柯”,“markersize”15岁的“线宽”2)图(中心(2,1),中心(2,2),“kx”,“markersize”15岁的“线宽”, 2)
注意:每次运行这个示例时,fcm
函数用不同的初始条件进行初始化。这种行为交换了集群中心计算和绘制的顺序。