原创力文档- 1、本文档共15页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
fcm自适应算法
FCM 聚类数c的自适应改进算法 模糊聚类问题可表示成下面数学规划问题： FCM算法： 改进思路： 考虑将一组数据集合进行聚类，如何评价聚类的“好坏”，在几何意义下，聚类的目的就是将数据分类并尽量使类间的距离尽可能的大而类内的数据点距离尽可能的小，下面给出的聚类数c的自适应函数就是基于以上的基本思想。 算法 STEP 0. 给出迭代标准ε 0 ，聚类数 c = 2 ，聚类数1的自适应函数 L(1) = 0 ，初始分类矩阵V(0)， k = 0 ； STEP 1. 用下述公式计算U(k) STEP 2. 用下述公式计算V(k+1) STEP 3. 用一个矩阵范数||●||比较V(k+1) 与V(k)，若|| V(k+1) - V(k) ||≤ε，则停止迭代，否则，置k=k+1，转向STEP1 由于 FCM 算法是在局部寻找最小点，故只需在局部比较 L(c) ，这也是 STEP 4 的合理性所在。 STEP 4. 计算 L(c) ，在c2并且cn的情况下，若L(c-1)L(c-2)并且L(c-1)L(c)，则聚类过程结束，否则，置c=c+1，转向STEP 1。 FCM 聚类数c的自适应算法的实例应用 钻孔的水文地质指标 论文给出的聚类结果（文中应用的是原始的 FCM 算法实现的，需要预先给定聚类数） The end * * 提出问题： 在应用 FCM 算法对给定的数据集进行聚类分析时，需要涉及到两个参数的选取问题： (1) 样本集的类数c,即聚类有效性问题； (2) 模糊加权指数m。 FCM 算法可以有效进行聚类分析，但聚类数需要事先人为给出，这样给出的聚类是否合理就需要进行有效性验证。 总体样本的中心向量为 聚类数 c 的自适应函数： 函数与 L(c)的分子表征类于类之间的距离，分母表征类内数据点与该类中心之间的 距离，因此 L(c)的值越大，说明分类越合理，对应 L(c)值最大的c为最佳值。 仿真可得： 可分为4类，为{4,6,9,10}，{2,7,11}，{1,5}，{3,8}，经比较可知分类有效。 分类结果即为： {1,2,3,8,9,14,16,22,24,27,29}，{5,10,18,25,28,30}，{6,12,19,21}，{4,7,11,13,15,17,20,23,26}。 分类结果即为：{6,12,19,21},{4,7,11,13,15,17,20,23,26}， {5,10,18,25,28,30}， {1,2,3,8,9,14,16,22,24,27,29}。 经比较与文献分类结果一致，说明分类有效。
文档评论（0）