主要内容

用模糊c均值聚类法聚类准随机数据

打开生活的脚本

这个例子展示了FCM聚类是如何使用准随机二维数据的。

加载数据集并绘制它。

负载fcmdata.dat情节(fcmdata (: 1) fcmdata (:, 2),“o”）

图包含一个坐标轴对象。axis对象包含一个line类型的对象。

接下来，调用命令行函数，fcm，在该数据集中找到两个簇，直到目标函数不再下降太多。

(中心、U、objFcn) = fcm (fcmdata, 2);
迭代计数= 1,obj。fcn = 8.970479迭代计数= 2,obj。fcn = 7.197402迭代计数= 3,obj。fcn = 6.325579迭代计数= 4,obj。fcn = 4.586142迭代计数= 5,obj。fcn = 3.893114;迭代次数= 7,obj. fcn = 3.810804迭代次数= 8,obj. fcn = 3.799801fcn = 3.797862迭代计数= 9,obj。fcn = 3.797508迭代计数= 10,obj。 fcn = 3.797444 Iteration count = 11, obj. fcn = 3.797432 Iteration count = 12, obj. fcn = 3.797430

中心包含两个集群中心的坐标，U包含每个数据点的成员级别，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-执行欧氏距离计算

  • stepfcm-执行一次聚类迭代

为了查看聚类的过程，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）

图包含一个坐标轴对象。标题为“目标函数值”的axes对象包含一个line类型的对象。

最后，绘制由fcm函数。图中的大字表示集群中心。

maxU = max (U);index1 = find(U(1，:) == maxU);index2 = find(U(2，赋值)== 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)

图包含一个坐标轴对象。轴线对象包含4个线型对象。

注意:每次运行这个示例时，fcm函数初始化时使用不同的初始条件。此行为交换了计算和绘制集群中心的顺序。

另请参阅

相关的话题

模糊逻辑工具箱文档

金宝app

免费电子书:管理基于模型的设计

免费电子书:管理基于模型的设计

立即下载