fcm
模糊c均值聚类
描述
例子
输入参数
输出参数
提示
使用FCM聚类生成一个模糊推理系统,使用
genfis
函数。例如,假设您集群数据使用下面的语法。(中心、U) = fcm(数据,fcmOpt);
第一个
米
列数据
对应于输入变量和其余列对应输出变量。你可以生成一个使用相同的训练数据和FCM聚类模糊系统配置。这样做:
集群配置选项。
选择= genfisOptions (“FCMClustering”);opt.NumClusters = fcmOpt.NumClusters;opt.Exponent = fcmOpt.Exponent;opt.MaxNumIteration = fcmOpt.MaxNumIteration;opt.MinImprovement = fcmOpt.MinImprovement;opt.DistanceMetric = fcmOpt.DistanceMetric;opt.Verbose = fcmOpt.Verbose;
提取数据的输入和输出变量。
inputData =数据(:,1:M);outputData =数据(:,M + 1:结束);
生成FIS结构。
fis = genfis (inputData outputData,选择);
模糊系统
金融中间人
包含一个模糊规则为每个集群,每个输入和输出变量有一个每个集群成员函数。有关更多信息,请参见genfis
和genfisOptions
。
算法
FCM聚类方法,允许每个数据点属于多个集群与不同程度的会员。集群配置选项,创建一个fcmOptions
对象。
FCM算法计算集群中心和会员以下最小化目标函数值。
在这里:
N是数据点的数量。
C是集群的数量。指定该值,使用
NumClusters
选择。米控制是模糊划分矩阵指数的模糊程度重叠,米> 1。模糊重叠是指如何模糊集群之间的界限,也就是说,数据点的数量已经超过一个集群的重要成员。指定模糊划分矩阵指数,使用
指数
选择。Dij的距离吗j数据点我集群。
μij的隶属程度是j的数据点我集群。对于一个给定的数据点,所有集群成员值之和为1。
的fcm
功能支持两种类型的金宝appFCM聚类:古典FCM和Gustafson-Kessel FCM。这些方法用于计算不同距离度量Dij。有关更多信息,请参见模糊聚类。
引用
[1]Bezdek詹姆斯·C。模式识别与模糊目标函数算法。波士顿,MA:施普林格,1981年。https://doi.org/10.1007/978 - 1 - 4757 - 0450 - 1。