FCM算法与其推导过程_浙大Ra.pptVIP

FCM算法 碌队给啥伺尝刃等诡韶阵毯茶镊其待噶毡胞荧臣荣峪骨涵施匿曝聂率楞墅FCM算法与其推导过程_浙大RaFCM算法与其推导过程_浙大Ra 主要内容 FCM的思想 FCM算法的步骤 FCM应用在邮件分类 下一步计划 邯匣曲篮昭密韩凯弄适保孪瘟诗盟伺奢疥碟丫糖二给计睦钥钡苑杉姆痪贤FCM算法与其推导过程_浙大RaFCM算法与其推导过程_浙大Ra 1.FCM的思想 FCM（Fuzzy C-means）：模糊C均值算法 模糊聚类的目标函数： （式1） 与C-means算法的区别正在于目标函数： （式2） 式中：U=[uik]为隶属度矩阵,uik是第k个样本对于第i类的隶属度. dik2= ‖xk-vi‖2是样本xk与聚类中心（均值）vi的欧氏距离. 血棕腺白毫誊彝伙昂券琶缴桐讹霖捌舍东这弱娇测没警班涪僳仗沃逾涟掂FCM算法与其推导过程_浙大RaFCM算法与其推导过程_浙大Ra FCM算法的约束条件：某一个样本对于各个聚类的隶属度之和为1. (式3) 我们想要得到min{J(U,V)} （式4） 为了求有约束条件下目标函数的极值，我们得利用拉格朗日乘子法构造新的函数 娇安及钥抒训驾账烃虚傀獭外久绪掳纺颈翰荫昔君箱冬墒咨久焕取临幸逆FCM算法与其推导过程_浙大RaFCM算法与其推导过程_浙大Ra （式5） 其中 称为Lagrange乘子， dik2= ‖xk-vi‖2 对F函数求极值得最优化条件如下： （式6） 哼兵鸿酚蝶跋射福欧兔政许长坪透狈聚铜说羊菏寂眷条锨沧袭泄业逊个萧FCM算法与其推导过程_浙大RaFCM算法与其推导过程_浙大Ra 由极值条件式6解得必要条件如下： （式7） （式8） 那么我们就可以用式7、式8循环迭代得到满足要求的聚类中心和隶属度矩阵 澡础专娇框聪巳良睫美诽炼刑和举柿嗜纶蒜糟冲辐本鞘握栽撂颂减芬旭株FCM算法与其推导过程_浙大RaFCM算法与其推导过程_浙大Ra 2.FCM算法的步骤 1.设定聚类数目c和参数m 2.给出初始隶属度矩阵U（0） （U（0）各列元素之和应为1，在实验 程序给U（0）每一列随机赋予c-1个0,1个1） 3.利用式8计算新的聚类中心Vj 4.利用式7计算新的隶属度矩阵 （若分母存在中djk=0,则ujk=1，且 对i ≠j,uik=0） 5.用一个矩阵范数比较两次迭代之间隶属度矩阵，如果 ‖U(k+1)-U(k)‖=e 则停止迭代。 疯压诊容烷禾谎沸宇添爽圆汀魂哪缘掀秃镁鸣展线阜冯提升董敞艳霹蓬得FCM算法与其推导过程_浙大RaFCM算法与其推导过程_浙大Ra 3.FCM应用在邮件分类 …… 浙大Ra 窑梭削弊借疑几滋严稠枉草驾令握楷瞪媳平瓣失善恨呜圣搐涂声驻飘么嘘FCM算法与其推导过程_浙大RaFCM算法与其推导过程_浙大Ra 4.下一步计划 FCM算法的缺点： 1.样本集不理想情况下，结果不好。比如：如果某个值（野值）远离各类的聚类中心，本来它属于各类的隶属度都很小但是由于FCM算法的约束条件