FCMClust(模糊c均值聚类算法MATLAB实现).doc

(完整版)FCMClust(模糊c均值聚类算法MATLAB实现)(完整版)FCMClust(模糊c均值聚类算法MATLAB实现)(完整版)FCMClust(模糊c均值聚类算法MATLAB实现)function[center，U，obj_fcn］=FCMClust（data，cluster_n,options)%FCMClust.m采用模糊C均值对数据集data聚为cluster_n类％用法：％1。［center，U，obj_fcn］=FCMClust(Data，N_cluster，options)；%2.［center,U,obj_fcn]=FCMClust（Data，N_cluster）;%输入:%data—-——nxm矩阵，表示n个样本，每个样本具有m的维特征值%N_cluster—-—-标量，表示聚合中心数目，即类别数％options--—-4x1矩阵，其中%options(1):隶属度矩阵U的指数,>1（缺省值：2.0）％options（2):最大迭代次数(缺省值:100）％options（3):隶属度最小变化量，迭代终止条件（缺省值:1e—5）％options（4)：每次迭代是否输出信息标志（缺省值:1)％输出：%center----聚类中心%U-—--隶属度矩阵%obj_fcn---—目标函数值%Example:％data=rand（100,2）；%［center，U,obj_fcn］=FCMClust(data，2)；%plot(data(:,1),data（:,2)，’o')；%holdon;%maxU=max(U);％index1=find(U（1，:）==maxU);%index2=find（U(2，：)==maxU);%line(data（index1，1）,data(index1，2)，’marker’，’＊’，’color'，’g’）;%line（data（index2，1),data(index2，2），’marker’，'*’，’color’,'r’)；%plot([center（[12]，1)],[center(［12],2)］，'＊’,’color','k’)%holdoff；%%%%%％％％%％％％%%％%%%％%％%%%％%％%%％%％％%％%％%％%％％%%％％%％%％%%%%％%%％%%％％％％%%％%％%％%%％%%%％%%%%％%％％％％%％%%%%%％%%％％％％％%%％％％％%％%％％％%％%％%％%％%%%%%％％%％％％％%％%％%％%%%%％%％％％ifnargin~=2&nargin～=3,％判断输入参数个数只能是2个或3个error(’Toomanyortoofewinputarguments！'）；enddata_n=size(data，1）;％求出data的第一维(rows)数，即样本个数in_n=size(data，2）;%求出data的第二维(columns）数，即特征值长度％默认操作参数default_options=[2;%隶属度矩阵U的指数100；%最大迭代次数1e-5；％隶属度最小变化量，迭代终止条件1];％每次迭代是否输出信息标志ifnargin==2，options=default_options；else%分析有options做参数时候的情况%如果输入参数个数是二那么就调用默认的option;iflength（options)<4,%如果用户给的opition数少于4个那么其他用默认值;tmp=default_options;tmp(1:length(options）)=options；options=tmp;end%返回options中是数的值为0（如NaN）,不是数时为1nan_index=find(isnan(options)==1);%将denfault_options中对应位置的参数赋值给options中不是数的位置。options（nan_index）=default_options（nan_index);ifoptions（1）〈=1，％如果模糊矩阵的指数小于等于1error(’Theexponentshouldbegreaterthan1!')；endend%将options中的分量分别赋值给四个变量；expo=options（1）；％隶属度矩阵U的指数max_iter=options(2)；％最大迭代次数min_impro=options(3)；％隶属度最小变化量,迭代终止条件display=options(4）；％每次迭代是否输出信息标志obj_fcn=zeros（max_iter,1)；%初始化输出参数obj_fcnU=initfcm（cluster_n,data_n);％初始化模糊分配矩阵,使U满足列上相加为1，%Main