浅谈模糊C均值聚类(Fuzzy C-means Clustering)

浅谈模糊C均值聚类(Fuzzy C-means Clustering)

定义:模糊c-均值聚类算法 fuzzy c-means algorithm (FCMA)或称( FCM)。在众多模糊聚类算法中,模糊C-均值( FCM) 算法应用最广泛且较成功,它通过优化目标函数得到每个样本点对所有类中心的隶属度,从而决定样本点的类属以达到自动对样本数据进行分类的目的。
浅谈模糊C均值聚类(Fuzzy C-means Clustering)_第1张图片
假设样本集合为X={x1 ,x2 ,…,xn },将其分成c 个模糊组,并求每组的聚类中心cj ( j=1,2,…,C) ,使目标函数达到最小。

计算隶指数在这里插入图片描述
聚类中心的更新公式
在这里插入图片描述
K均值和模糊C均值的区别:
浅谈模糊C均值聚类(Fuzzy C-means Clustering)_第2张图片

你可能感兴趣的:(模糊C均值聚类(Fuzzy,C-means,Clustering))