模糊聚类

什么是数据聚类？

数值数据的聚类构成了许多分类和系统建模算法的基础。聚类目的是从大型数据集中识别数据的自然分组，以产生系统行为的简洁表示。

模糊逻辑工具箱™工具允许您在输入输出培训数据中找到群集。您可以使用群集信息生成Sugeno型模糊推理系统，最佳规则数最佳地模拟数据行为。根据与每个数据集群相关联的模糊素质，规则分区。要自动生成此类FIS，请使用Genfis.命令。

模糊c均值聚类

模糊C型方式（FCM）是一种数据聚类技术，其中每个数据点属于群集到由隶属等级指定的某种程度。这项技术最初由Jim Bezdek于1981年推出［1］作为早期聚类方法的改进。它提供了一种方法，它显示了如何将一些多维空间填充到特定数量的不同群集的数据点。

命令行功能FCM.从群集中心开始初始猜测，旨在标记每个群集的平均位置。这些集群中心的初始猜测很可能是不正确的。此外，FCM.为每个集群分配每个数据点的成员等级。通过迭代更新每个数据点的聚类中心和隶属度等级，FCM.迭代地将群集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，该目标函数表示与由该数据点的隶属年级加权的群集中心的距离的距离。

命令行功能FCM.输出每个数据点的集群中心列表和几个隶属等级。您可以使用返回的信息FCM.为了帮助您通过创建会员函数来构建模糊推理系统，以表示每个群集的模糊品质。要生成模拟输入/输出数据行为的Sugeno型模糊推理系统，可以配置Genfis.命令用来使用fcm群集。

减数集群

如果您没有明确的想法，则应有多少群集用于给定的数据集，减数集群是一种快速的一移算法，用于估计一组数据的集群和集群中心的数量[2]。群集估计，从而从中获得亚壳功能，可用于初始化基于迭代优化的群集方法（FCM.)和模型识别方法(如ANFIS.）。这亚壳函数使用“减数集群方法”找到群集。

要生成模拟输入/输出数据行为的Sugeno型模糊推理系统，可以配置Genfis.命令用来减肥群集。