模糊 C 均值（FCM）无监督聚类.pdfVIP

模糊C均值（FCM）无监督聚类

随着计算机的应用和发展，基于目标函数的模糊聚类算法成为广大学者的研究热点，其中无监督

的模糊C均值（FCM）聚类的理论最为完善，其算法具有高效性和优越性。

FCM聚类是通过对目标函数的迭代优化来获取数据集的模糊分类，目标函数为样本到聚类中心的

距离平方和，然后采用目标函数进行聚类。其算法如下：

将样本空间中的个样本分为b类：，其中R

P(p,p,,p)NR(r),i1,2,,N,j1,2,,b

12Nij

为分类结果，j

为样本对第类的隶属度。

rpi

ij

FCM算法的聚类准则是各样本到各聚类中心的加权距离平方和最小，即求O(R,V)的最小值。定

FCM

义目标函数：

Nb

O(R,V)rmd2（C-1）

FCMijij

i1j1

式中：

V(v)——表示聚类中心；

j

dpv

——距离测度，表示样本和聚类中心之间的距离；

ijij

m(1,)——是影响聚类模糊度的加权指数。

通过对目标函数的迭代来获取对数据集的模糊分类，迭代函数为：

NNb2

mmpivjm11

vrp/r,uij[()]k1,2,b（C-2）

jijiij

i1i1k1pivk

在确定聚类数b和加权指数m的基础上，初始化隶属度矩阵U(u)；由上式（C-2）求目标函数，

ij

(n)(n)(n1)

n

确定分类结果R，为迭代次数；计算||RR||，迭代计算到满足