什么是数据集群?

数值数据的聚类形成了许多分类和系统建模算法的基础。聚类的目的是从大型数据集中识别数据的自然分组，以生成系统行为的简明表示。

模糊逻辑工具箱™工具允许您在输入-输出训练数据中找到集群。您可以使用聚类信息生成sugeno型模糊推理系统，该系统使用最少数量的规则对数据行为进行最佳建模。规则根据与每个数据集群相关联的模糊质量对自己进行划分。要自动生成这种类型的FIS，请使用genfis命令。

模糊c均值聚类

模糊c均值(FCM)是一种数据聚类技术，其中每个数据点在某种程度上属于一个由成员等级指定的聚类。这项技术最初是由Jim Bezdek在1981年提出的[1]作为对早期聚类方法的改进。它提供了一种方法，展示如何将填充某些多维空间的数据点分组到特定数量的不同簇中。

命令行函数fcm从对聚类中心的初始猜测开始，这些中心用于标记每个聚类的平均位置。对这些集群中心的最初猜测很可能是不正确的。此外,fcm为每个集群为每个数据点分配一个成员等级。通过迭代更新每个数据点的聚类中心和成员等级，fcm迭代地将集群中心移动到数据集中的正确位置。此迭代基于最小化目标函数，该目标函数表示从任何给定数据点到由该数据点的隶属度加权的聚类中心的距离。

命令行函数fcm输出每个数据点的聚类中心列表和几个成员等级。返回的信息fcm通过创建成员函数来表示每个聚类的模糊质量，帮助您构建一个模糊推理系统。要生成对输入/输出数据的行为建模的sugeno型模糊推理系统，可以配置genfis命令使用FCM集群。

减法聚类

如果您不清楚给定的一组数据应该有多少个簇，减法聚类是否有一种快速的、一次性的算法来估计一组数据的聚类数量和聚类中心[２]．聚类估计，从subclust函数，可用于初始化基于迭代优化的聚类方法(fcm)和模型识别方法(如简称anfis)．的subclust函数使用减法聚类方法查找聚类。

要生成对输入/输出数据的行为建模的sugeno型模糊推理系统，可以配置genfis命令使用减法聚类。

参考文献