fcm算法及其推导过程浙大.pptxVIP

FCM算法主要内容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. 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 （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）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2.FCM算法的步骤1.设定聚类数目c和参数m2.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Vj4.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