模糊c均值聚类+FCM算法的MATLAB代码(10页).doc

《模糊c均值聚类+FCM算法的MATLAB代码(10页).doc》由会员分享，可在线阅读，更多相关《模糊c均值聚类+FCM算法的MATLAB代码(10页).doc（10页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、-模糊c均值聚类+FCM算法的MATLAB代码-第 10 页模糊c均值聚类 FCM算法的MATLAB代码 我做毕业论文时需要模糊C-均值聚类，找了好长时间才找到这个，分享给大家：FCM算法的两种迭代形式的MATLAB代码写于下,也许有的同学会用得着:m文件1/7:function U,P,Dist,Cluster_Res,Obj_Fcn,iter=fuzzycm(Data,C,plotflag,M,epsm)% 模糊 C 均值聚类 FCM: 从随机初始化划分矩阵开始迭代% U,P,Dist,Cluster_Res,Obj_Fcn,iter = fuzzycm(Data,C,plotflag,M

2、,epsm)% 输入:% Data: NS 型矩阵,聚类的原始数据,即一组有限的观测样本集,% Data 的每一行为一个观测样本的特征矢量,S 为特征矢量% 的维数,N 为样本点的个数% C: 聚类数,1CN% plotflag: 聚类结果 2D/3D 绘图标记,0 表示不绘图,为缺省值 % M: 加权指数,缺省值为 2% e% 输出:% U: CN 型矩阵,FCM 的划分矩阵% P: CS 型矩阵,FCM 的聚类中心,每一行对应一个聚类原型% Dist: CN 型矩阵,FCM 各聚类中心到各样本点的距离,聚类中% 心 i 到样本点 j 的距离为 Dist(i,j)% Cluster_Res:

3、 聚类结果,共 C 行,每一行对应一类% Obj_Fcn: 目标函数值% iter: FCM 算法迭代次数% See also: fuzzydist maxrowf fcmplotif nargin5 epsm=1.0e-6; endif nargin4 M=2;endif nargin4 | plotflag Obj_Fcn(iter)=sum(sum(Um.*Dist.2); end % FCM 算法迭代停止条件 if norm(U-U0,Inf) 3 res = maxrowf(U); for c = 1:C v = find(res=c); Cluster_Res(c,1:length

4、(v)=v; endend% 绘图if plotflag fcmplot(Data,U,P,Obj_Fcn);endm文件2/7:function U,P,Dist,Cluster_Res,Obj_Fcn,iter=fuzzycm2(Data,P0,plotflag,M,epsm)% 模糊 C 均值聚类 FCM: 从指定初始聚类中心开始迭代% U,P,Dist,Cluster_Res,Obj_Fcn,iter = fuzzycm2(Data,P0,plotflag,M,epsm)% P0: 初始聚类中心% 输出: U,P,Dist,Cluster_Res,Obj_Fcn,iter: 见 fuz

5、zycm.m % See also: fuzzycmif nargin5 epsm=1.0e-6; endif nargin4 M=2;endif nargin4 | plotflag Obj_Fcn(iter)=sum(sum(Um.*Dist.2); end % FCM 算法迭代停止条件 if norm(P-P0,Inf) 3 res = maxrowf(U); for c = 1:C v = find(res=c); Cluster_Res(c,1:length(v)=v; endend% 绘图if plotflag fcmplot(Data,U,P,Obj_Fcn);endm文件3/7

6、:function fcmplot(Data,U,P,Obj_Fcn)% FCM 结果绘图函数% See also: fuzzycm maxrowf ellipseC,S = size(P); res = maxrowf(U);str = po*x+dv2 figure(2),plot3(P(:,1),P(:,2),P(:,3),rs),hold on for i=1:C v=Data(find(res=i),:); plot3(v(:,1),v(:,2),v(:,3),str(rem(i,12)+1) ellipse(max(v(:,1)-min(v(:,1), . max(v(:,2)-m

7、in(v(:,2), . max(v(:,1)+min(v(:,1), . max(v(:,2)+min(v(:,2)/2, . r:,(max(v(:,3)+min(v(:,3)/2) end grid on,title(3D 聚类结果图,fontsize,8),hold offendm文件4/7:function D=fuzzydist(A,B)% 模糊聚类分析: 样本间的距离% D = fuzzydist(A,B)D=norm(A-B);m文件5/7:function mr=maxrowf(U,c)% 求矩阵 U 每列第 c 大元素所在行,c 的缺省值为 1% 调用格式: mr = ma

8、xrowf(U,c)% See also: addrif nargin2 c=1;endN=size(U,2);mr(1,N)=0;for j=1:N aj=addr(U(:,j),descend); mr(j)=aj(c);endm文件6/7:function ellipse(a,b,center,style,c_3d)% 绘制一个椭圆% 调用: ellipse(a,b,center,style,c_3d)% 输入:% a: 椭圆的轴长(平行于 x 轴)% b: 椭圆的轴长(平行于 y 轴)% center: 椭圆的中心 x0,y0,缺省值为 0,0% style: 绘制的线型和颜色,缺省值

9、为实线蓝色% c_3d: 椭圆的中心在 3D 空间中的 z 轴坐标,可缺省if nargin4 style=b;endif nargin4 plot3(x,y,ones(1,360)*c_3d,style)else plot(x,y,style)endm文件7/7:function f = addr(a,strsort)% 返回向量升序或降序排列后各分量在原始向量中的索引% 函数调用:f = addr(a,strsort)% strsort: ascend or descend% default is ascend% - example -% addr( 4 5 1 2 ) returns a

10、ns:% 3 4 1 2 if nargin=1 strsort=ascend;endsa=sort(a); ca=a;la=length(a);f(la)=0;for i=1:la f(i)=find(ca=sa(i),1); ca(f(i)=NaN;endif strcmp(strsort,descend) f=fliplr(f);end几天前我还在这里发帖求助，可是很幸运在其他地方找到了，在这里和大家分享一下！function center, U, obj_fcn = FCMClust(data, cluster_n, options) % FCMClust.m 采用模糊C均值对数据集d

11、ata聚为cluster_n类% % 用法： % 1.center,U,obj_fcn = FCMClust(Data,N_cluster,options); % 2.center,U,obj_fcn = FCMClust(Data,N_cluster); % % 输入： % data - nxm矩阵,表示n个样本,每个样本具有m的维特征值 % N_cluster - 标量,表示聚合中心数目,即类别数 % options - 4x1矩阵，其中 % options(1):隶属度矩阵U的指数，1 (缺省值: 2.0) % options(2):最大迭代次数 (缺省值: 100) % options

12、(3):隶属度最小变化量,迭代终止条件 (缺省值: 1e-5) % options(4):每次迭代是否输出信息标志 (缺省值: 1) % 输出： % center - 聚类中心 % U - 隶属度矩阵 % obj_fcn - 目标函数值 % Example: % data = rand(100,2); % center,U,obj_fcn = FCMClust(data,2); % plot(data(:,1), data(:,2),o); % hold on; % maxU = max(U); % index1 = find(U(1,:) = maxU); % index2 = find(U

13、(2,:) = maxU); % line(data(index1,1),data(index1,2),marker,*,color,g); % line(data(index2,1),data(index2,2),marker,*,color,r); % plot(center(1 2,1),center(1 2,2),*,color,k) % hold off; if nargin = 2 & nargin = 3, %判断输入参数个数只能是2个或3个 error(Too many or too few input arguments!); end data_n = size(data,

14、1); % 求出data的第一维(rows)数,即样本个数 in_n = size(data, 2); % 求出data的第二维(columns)数，即特征值长度 % 默认操作参数 default_options = 2; % 隶属度矩阵U的指数 100; % 最大迭代次数 1e-5; % 隶属度最小变化量,迭代终止条件 1; % 每次迭代是否输出信息标志if nargin = 2, options = default_options; else %分析有options做参数时候的情况 % 如果输入参数个数是二那么就调用默认的option; if length(options) 4, %如果用

15、户给的opition数少于4个那么其他用默认值; tmp = default_options; tmp(1:length(options) = options; options = tmp; end % 返回options中是数的值为0(如NaN),不是数时为1 nan_index = find(isnan(options)=1); %将denfault_options中对应位置的参数赋值给options中不是数的位置. options(nan_index) = default_options(nan_index); if options(1) 1, if abs(obj_fcn(i) - obj_fcn(i-1) min_impro, break; end, end end iter_n = i; % 实际迭代次数obj_fcn(iter_n+1:max_iter) = ;