模糊c均值聚类.docx

上传人:lao****ou 文档编号:102523 上传时间:2023-03-12 格式:DOCX 页数:5 大小:15.02KB
下载 相关 举报
模糊c均值聚类.docx_第1页
第1页 / 共5页
模糊c均值聚类.docx_第2页
第2页 / 共5页
模糊c均值聚类.docx_第3页
第3页 / 共5页
模糊c均值聚类.docx_第4页
第4页 / 共5页
模糊c均值聚类.docx_第5页
第5页 / 共5页
亲,该文档总共5页,全部预览完了,如果喜欢就下载吧!
资源描述

《模糊c均值聚类.docx》由会员分享,可在线阅读,更多相关《模糊c均值聚类.docx(5页珍藏版)》请在第一文库网上搜索。

FCM算法是一种基于划分的聚类算法,它的思想就是使得被划分到同一簇的对象之间相像度最大,而不同簇之间的相像度最小。模糊C均值算法是一般C均值算法的改进,一般C均值算法对于数据的划分是硬性的,而FCM则是一种柔性的模糊划分。在介绍FCM详细算法之前我们先介绍一些模糊集合的基本学问。6.1.1 模糊集基本学问刊首先说明隶属度函数的概念。隶属度函数是表示一个对象x隶属于集合A的程度的函数,通常记做Ha(x),其自变量范围是全部可能属于集合A的对象(即集合A所在空间中的全部点),取值范围是0,1,即()V= (x)1。对于m,它是一个掌握算法的柔性的参数,假如m过大,则聚类效果会很次,而假如m过小则算法会接近HCM聚类算法。算法的输出是C个聚类中心点向量和C*N的一个模糊划分矩阵,这个矩阵表示的是每个样本点属于每个类的隶属度。依据这个划分矩阵依据模糊集合中的最大隶属原则就能够确定每个样本点归为哪个类。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。从算法的推导过程中我们不难看出,算法对于满意正态分布的数据聚类效果会很好,此外,算法对孤立点是敏感的。

展开阅读全文
相关资源
猜你喜欢
相关搜索

当前位置:首页 > 应用文档 > 汇报材料

copyright@ 2008-2022 001doc.com网站版权所有   

经营许可证编号:宁ICP备2022001085号

本站为文档C2C交易模式,即用户上传的文档直接被用户下载,本站只是中间服务平台,本站所有文档下载所得的收益归上传人(含作者)所有,必要时第一文库网拥有上传用户文档的转载和下载权。第一文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。若文档所含内容侵犯了您的版权或隐私,请立即通知第一文库网,我们立即给予删除!



客服