这个例子展示了在进行模糊c均值聚类时如何调整模糊重叠的数量。
创建一个随机数据集。为了再现性,将随机数生成器初始化为其默认值。
RNG('默认')数据= rand(100,2);
指定模糊划分矩阵指数。
M = [1.1 2.0 3.0 4.0];
指数值在米
必须大于1
,值越小表示模糊重叠程度越低。换句话说,就是米
方法1
,集群之间的边界变得更加清脆。
对于每个重叠指数:
集群的数据。
将每个数据点分类到它拥有最高隶属度的集群中。
找出下面具有最大隶属度值的数据点0.6
。这些点的分类比较模糊。
为了量化模糊重叠的程度,计算所有数据点的平均最大隶属度值。平均最大隶属度值越高,模糊重叠越少。
绘制聚类结果。
为i = 1:4%群集数据。选项= [M(i) NaN NaN 0];(中心、U) = fcm(数据、2选项);%将数据点分类。maxU = max (U);index1 = find(U(1,:) == maxU);index2 = find(U(2,:) == maxU);%查找最大成员值较低的数据点。index3 = find(maxU < 0.6);%计算平均最大会员值。averageMax =意味着(maxU);%绘制结果。次要情节(2,2,我)情节(数据(index1, 1),数据(index1, 2),“ob”)举行在情节(数据(index2, 1),数据(index2, 2),”或“)情节(数据(index3, 1),数据(index3, 2),“xk”,“线宽”2)图(中心(1,1),中心(1、2),“xb”,'Markersize'15岁的“线宽”3)图(中心(2,1),中心(2,2),“xr”,'Markersize'15岁的“线宽”, 3)从标题([“M =”num2str (M (i))’,大道Max。= 'num2str (averageMax 3)))结束
将给定的数据点分类为其所属值最高的聚类,如maxU
。的最大成员值0.5
表示该点平等地属于两个集群。数据点用黑色标记x下面有最大会员值吗0.6
。这些点在它们的集群成员中具有更大程度的不确定性。
最大隶属度值较低的数据点越多,聚类结果的模糊重叠程度越大。平均最大隶属度值,averageMax
,提供了重叠的定量描述。一个averageMax
的价值1
表示清晰的集群,值越小表示重叠越多。