加载数据

加载5个示例数据集，并选择一个数据集进行集群。这些数据集具有不同数量的集群和数据分布。

负载fcmdata数据集=fcmdata3；

指定FCM设置

配置集群算法。有关这些设置的更多信息，请参见fcm．要为每个数据集获得准确的聚类结果，请尝试不同的聚类选项。

指定要计算的集群数量，该数量必须大于1．

N =4；

指定模糊划分矩阵的指数，控制聚类之间的模糊重叠程度。该值必须大于1，使用较小的值创建更清晰的集群边界。有关更多信息，请参见模糊c均值聚类中的模糊重叠调整．

指数=2；

指定优化迭代的最大次数。

maxIterations =One hundred.；

指定目标函数在连续迭代之间的最小改进值。当目标函数的改进值低于此阈值时，优化停止。值越小，聚类结果越准确，但聚类收敛的时间越长。

minImprovement =0.00001；

指定是否在每次迭代后显示目标函数值。

displayObjectiveFunction =假；

的选项向量fcm使用这些设置函数。

options = [exponent maxIterations minImprovement displayObjectiveFunction];

集群的数据

将数据聚类为N集群。

[C U] = fcm(数据集N选项);

C包含每个集群的计算中心。U包含计算出的模糊划分矩阵，它表示每个聚类中每个数据点的隶属度。

将每个数据点分类到它拥有最高隶属度的集群中。

maxU = max (U);指数=细胞(N, 1);为i=1:N index{i} = find(U(i，:) == maxU);结束

图聚类结果

绘制聚类结果。

图保存在为i = 1: N的阴谋(数据集(指数{我},1),数据集(指数{我},2),“o”)情节(C(我,1),C(我,2),“xk”，“MarkerSize”15岁的“线宽”3)结束持有从

每个集群中的数据点用不同的颜色显示。每个集群的中心显示为黑色X．

绘制数据点成员值

选择要为其绘制成员函数曲面的集群。

集群=2；

通过将所有数据点的聚类隶属度值拟合到一个曲面上，获得选定聚类的隶属度函数。有关插值分散三维数据的更多信息，请参见griddata．

[X,Y] =网网格(0:05:1,0:05:1);Z = griddata(数据集(:1),数据集(:,2),U(集群:),X, Y);冲浪(X, Y, Z)

当你减少指数值时，集群成员从最大完全集群成员到零集群成员的转变更为陡峭;也就是说，集群边界变得更加清晰。