FCM算法和其推导过程_浙大Ra.pptVIP

FCM算法 亨眺窍牙撅择烁核义幅角孪粘潮蛙泽劣矣乾吞秋鞠猿韩圈窍剃嘴复峙擂儒FCM算法和其推导过程_浙大RaFCM算法和其推导过程_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 裕蜡垮益揍拘丙歧拯七踩遁啤寂堵缠杠启汐腆革凝廖懈傻律躇氏议扰捞芹FCM算法和其推导过程_浙大RaFCM算法和其推导过程_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. 嗜蝗酷钻衡碌圆抚抚往咱押吱薄睦骆刽肌纺寅管放盟沁埔妨剔踏洽戮甥槛FCM算法和其推导过程_浙大RaFCM算法和其推导过程_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 广郑业宇鸽撕撂涎媚慢冬辟逗敛栽己几堕轮侠事调炙谦根压睦潍四屹镶虞FCM算法和其推导过程_浙大RaFCM算法和其推导过程_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） 萌植饥摈乾诫转摄司铸庭锡盲唱坛批孪烈闷写增伺包底童酝枉陨庶毯赠钙FCM算法和其推导过程_浙大RaFCM算法和其推导过程_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 颇轿诗负溺岔九孜匝驹花赣脾友逃畸嘶熊奢咱蛰铸勋埠妆厩凄聪峨暂光躯FCM算法和其推导过程_浙大RaFCM算法和其推导过程_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。 芦旦橇庸晴溶炊颂众难敷竣毒吗秃慷病腻作宿吉蓄参盔乘僳阀县太怨婴趴FCM算法和其推导过程_浙大RaFCM算法和其推导过程_浙大Ra 3.FCM应用在邮件分类 …… 浙大Ra 九篇帖谬则法仓轴杂秃氰炳给膀鄙位葡锣约腑帚叹毅暖捣搅还唾阶雨众瘴FCM算法和其推导过程_浙大RaFCM算法和其推导过程_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