模糊c均值聚类+FCM算法的MATLAB代码教案资料.docx
《模糊c均值聚类+FCM算法的MATLAB代码教案资料.docx》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代码教案资料.docx（13页珍藏版）》请在冰豆网上搜索。
模糊c均值聚类+FCM算法的MATLAB代码教案资料
模糊c均值聚类+FCM算法的MATLAB代码
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,epsm）
%输入:
%Data:
N×S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,1%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
%epsm:
FCM算法的迭代停止阈值,缺省值为1.0e-6
%输出:
%U:
C×N型矩阵,FCM的划分矩阵
%P:
C×S型矩阵,FCM的聚类中心,每一行对应一个聚类原型
%Dist:
C×N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:
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
%Seealso:
fuzzydistmaxrowffcmplot
ifnargin<5
epsm=1.0e-6;
end
ifnargin<4
M=2;
end
ifnargin<3
plotflag=0;
end
[N,S]=size（Data）;m=2/（M-1）;iter=0;
Dist（C,N）=0;U（C,N）=0;P（C,S）=0;
%随机初始化划分矩阵
U0=rand（C,N）;
U0=U0./（ones（C,1）*sum（U0））;
%FCM的迭代算法
whiletrue
%迭代计数器
iter=iter+1;
%计算或更新聚类中心P
Um=U0.^M;
P=Um*Data./（ones（S,1）*sum（Um'））';
%更新划分矩阵U
fori=1:
C
forj=1:
N
Dist（i,j）=fuzzydist（P（i,:
）,Data（j,:
））;
end
end
U=1./（Dist.^m.*（ones（C,1）*sum（Dist.^（-m））））;
%目标函数值:
类内加权平方误差和
ifnargout>4|plotflag
Obj_Fcn（iter）=sum（sum（Um.*Dist.^2））;
end
%FCM算法迭代停止条件
ifnorm（U-U0,Inf）break
end
U0=U;
end
%聚类结果
ifnargout>3
res=maxrowf（U）;
forc=1:
C
v=find（res==c）;
Cluster_Res（c,1:
length（v））=v;
end
end
%绘图
ifplotflag
fcmplot（Data,U,P,Obj_Fcn）;
end
m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）
%输入:
Data,plotflag,M,epsm:
见fuzzycm.m
%P0:
初始聚类中心
%输出:
U,P,Dist,Cluster_Res,Obj_Fcn,iter:
见fuzzycm.m
%Seealso:
fuzzycm
ifnargin<5
epsm=1.0e-6;
end
ifnargin<4
M=2;
end
ifnargin<3
plotflag=0;
end
[N,S]=size（Data）;m=2/（M-1）;iter=0;
C=size（P0,1）;Dist（C,N）=0;U（C,N）=0;P（C,S）=0;
%FCM的迭代算法
whiletrue
%迭代计数器
iter=iter+1;
%计算或更新划分矩阵U
fori=1:
C
forj=1:
N
Dist（i,j）=fuzzydist（P0（i,:
）,Data（j,:
））;
end
end
U=1./（Dist.^m.*（ones（C,1）*sum（Dist.^（-m））））;
%更新聚类中心P
Um=U.^M;
P=Um*Data./（ones（S,1）*sum（Um'））';
%目标函数值:
类内加权平方误差和
ifnargout>4|plotflag
Obj_Fcn（iter）=sum（sum（Um.*Dist.^2））;
end
%FCM算法迭代停止条件
ifnorm（P-P0,Inf）break
end
P0=P;
end
%聚类结果
ifnargout>3
res=maxrowf（U）;
forc=1:
C
v=find（res==c）;
Cluster_Res（c,1:
length（v））=v;
end
end
%绘图
ifplotflag
fcmplot（Data,U,P,Obj_Fcn）;
end
m文件3/7:
functionfcmplot（Data,U,P,Obj_Fcn）
%FCM结果绘图函数
%Seealso:
fuzzycmmaxrowfellipse
[C,S]=size（P）;res=maxrowf（U）;
str='po*x+d^v><.h';
%目标函数绘图
figure
（1）,plot（Obj_Fcn）
title（'目标函数值变化曲线','fontsize',8）
%2D绘图
ifS==2
figure
（2）,plot（P（:
1）,P（:
2）,'rs'）,holdon
fori=1:
C
v=Data（find（res==i）,:
）;
plot（v（:
1）,v（:
2）,str（rem（i,12）+1））
ellipse（max（v（:
1））-min（v（:
1））,...
max（v（:
2））-min（v（:
2））,...
[max（v（:
1））+min（v（:
1））,...
max（v（:
2））+min（v（:
2））]/2,'r:
'）
end
gridon,title（'2D聚类结果图','fontsize',8）,holdoff
end
%3D绘图
ifS>2
figure
（2）,plot3（P（:
1）,P（:
2）,P（:
3）,'rs'）,holdon
fori=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））-min（v（:
2））,...
[max（v（:
1））+min（v（:
1））,...
max（v（:
2））+min（v（:
2））]/2,...
'r:
',（max（v（:
3））+min（v（:
3）））/2）
end
gridon,title（'3D聚类结果图','fontsize',8）,holdoff
end
m文件4/7:
functionD=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:
functionmr=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=maxrowf（U,c）
%Seealso:
addr
ifnargin<2
c=1;
end
N=size（U,2）;mr（1,N）=0;
forj=1:
N
aj=addr（U（:
j）,'descend'）;
mr（j）=aj（c）;
end
m文件6/7:
functionellipse（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
ifnargin<4
style='b';
end
ifnargin<3|isempty（center）
center=[0,0];
end
t=1:
360;
x=a/2*cosd（t）+center
（1）;
y=b/2*sind（t）+center
（2）;
ifnargin>4
plot3（x,y,ones（1,360）*c_3d,style）
else
plot（x,y,style）
end
m文件7/7:
functionf=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'
%defaultis'ascend'
%--------example--------
%addr（[4512]）returnsans:
%[3412]
ifnargin==1
strsort='ascend';
end
sa=sort（a）;ca=a;
la=length（a）;f（la）=0;
fori=1:
la
f（i）=find（ca==sa（i）,1）;
ca（f（i））=NaN;
end
ifstrcmp（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data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（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'）;
% holdon;
% maxU=max（U）;
% index1=find（U（1,:
）==maxU）;
% index2=find（U（2,:
）==maxU）;
% line（data（index1,1）,data（index1,2）,'marker','*','color','g'）;
% line（data（index2,1）,data（index2,2）,'marker','*','color','r'）;
% plot（[center（[12],1）],[center（[12],2）],'*','color','k'）
% holdoff;
ifnargin~=2&nargin~=3, %判断输入参数个数只能是2个或3个
error（'Toomanyortoofewinputarguments!
'）;
end
data_n=size（data,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
ifnargin==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;
iflength（options）<4,%如果用户给的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）;
ifoptions
（1）<=1,%如果模糊矩阵的指数小于等于1
error（'Theexponentshouldbegreaterthan1!
'）;
end
end
%将options中的分量分别赋值给四个变量;
expo=options
（1）; %隶属度矩阵U的指数
max_iter=options
（2）; %最大迭代次数
min_impro=options（3）; %隶属度最小变化量,迭代终止条件
display=options（4）; %每次迭代是否输出信息标志
obj_fcn=zeros（max_iter,1）; %初始化输出参数obj_fcn
U=initfcm（cluster_n,data_n）; %初始化模糊分配矩阵,使U满足列上相加为1,
%Mainloop 主要循环
fori=1:
max_iter,
%在第k步循环中改变聚类中心ceneter,和分配函数U的隶属度值;
[U,center,obj_fcn（i）]=stepfcm（data,U,cluster_n,expo）;
ifdisplay,
fprintf（'FCM:
Iterationcount=%d,obj.fcn=%f\n',i,obj_fcn（i））;
end
%终止条件判别
ifi>1,
ifabs（obj_fcn（i）-obj_fcn（i-1）） break;
end,
end
end
iter_n=i; %实际迭代次数
obj_fcn（iter_n+1:
max_iter）=[];
升级会员 