模糊C均值聚类

聚类中心表示的是每个类的平均特征，可以认为是这个类的代表点。

模糊C均值聚类（FCM）是用隶属度确定每个数据点属于某个聚类的程度的一种聚类算法。

一个数据集的隶属度的和总等于1：

      （1）

FCM的目标函数：

  （2）

聚类中心公式如下：

      （3）

（4）

模糊C均值聚类算法是一个简单的迭代过程。

步骤1：用值在0，1间的随机数初始化隶属矩阵U，使其满足式（1）中的约束条件 
步骤2：用式（3）计算c个聚类中心ci，i=1,…,c。 
步骤3：根据式（2）计算目标函数。如果它小于某个确定的阀值，或它相对上次价值函数值的改变量小于某个阀值，则算法停止。 
步骤4：用（4）计算新的U矩阵。返回步骤2。

上述算法也可以先初始化聚类中心，然后再执行迭代过程。