模糊C均值聚类算法.docVIP

关于模糊C均值聚类 聚类是这样一个过程, 它将特征向量以自组织的模式分组 到类中。假设{ (q): q= 1,
, Q}是一组特征向量的集合, 每个 特征向量 (q) = ( 1(q) ,
, N (q) )有N 个组件。聚类的过程通常 就是根据最小距离赋值原则将Q 个特征向量分配到K 个簇{c(k) : k = 1,
, K} 中。 FCM 是目前广泛采用的一种聚类算法。模糊c-均值聚类是模糊聚类算法中非常有效的一种, 它能给出每个样本隶属于某个聚类的隶属度, 即使对于很难 明显分类的变量, 模糊c- 均值聚类也能得到较为满意的效果。FCM 算法使用了最小化整个权重的均方差的思想 模糊c-均值聚类算法 fuzzy c-means algorithm (FCMA)或称（ FCM） 　　模糊聚类分析作为无监督机器学习的主要技术之一，是用模糊理论对重要数据分析和建模的方法，建立了样本类属的不确定性描述，能比较客观地反映现实世界，它已经有效地应用在大规模数据分析、数据挖掘