模糊c均值聚类+FCM算法的MATLAB代码9页

1、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

2、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<C<N% 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

3、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% See also: fuzzydist maxrowf fcmplotif nargin<5 epsm=1.0e-6; endif nargin<4 M=2;endif nargin<3 plotflag=0;endN,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

4、./(ones(C,1)*sum(U0);% FCM 的迭代算法while true % 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 for i=1:C for j=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 if nargout>4 | plotflag Obj_Fcn(it

5、er)=sum(sum(Um.*Dist.2); end % FCM 算法迭代停止条件 if norm(U-U0,Inf)<epsm break end U0=U; end% 聚类结果if nargout > 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2/7:function U,P,Dist,Cluster_Res,Obj_Fcn,iter=fuzzycm2(D

6、ata,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 % See also: fuzzycmif nargin<5 epsm=1.0e-6; endif nargin<4 M=2;end

7、if nargin<3 plotflag=0;endN,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while true % 迭代计数器 iter=iter+1; % 计算或更新划分矩阵 U for i=1:C for j=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*

8、Data./(ones(S,1)*sum(Um')' % 目标函数值: 类内加权平方误差和 if nargout>4 | plotflag Obj_Fcn(iter)=sum(sum(Um.*Dist.2); end % FCM 算法迭代停止条件 if norm(P-P0,Inf)<epsm break end P0=P;end% 聚类结果if nargout > 3 res = maxrowf(U); for c = 1:C v = find(res=c); Cluster_Res(c,1:length(v)=v; endend% 绘图if plotflag

9、 fcmplot(Data,U,P,Obj_Fcn);endm文件3/7: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+dv><.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if S=2 figure(2),plot(P(:,1),P(

10、:,2),'rs'),hold on for i=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 grid on,title('2D 聚类结果图','fontsize',8),hold offend% 3D 绘图if S&g

11、t;2 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)-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 grid on

12、,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 = maxrowf(U,c)% See also: addrif nargin<2 c=1;endN=size(U,2);mr(1,N)=0;for j=1:N aj=ad

13、dr(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 nargin<4 style='b'en

14、dif nargin<3 | isempty(center) center=0,0;endt=1:360;x=a/2*cosd(t)+center(1);y=b/2*sind(t)+center(2);if nargin>4 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 'de

15、scend'% default is 'ascend'% - example -% addr( 4 5 1 2 ) returns ans:% 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

16、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); %

17、    % 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    

18、;              (缺省值: 2.0) %       options(2):  最大迭代次数                           (缺省值: 100) %       options(3): 

19、; 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

20、60;          - 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),

21、'o'); %       hold on; %       maxU = max(U); %       index1 = find(U(1,:) = maxU); %       index2 = find(U(2,:) = maxU); %       line(data(index1,1),data(index1,2),'marker','*'

22、;,'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 nar

23、gin = 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, 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;   

24、     % 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;            

25、;     % 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, %如果用户给的opition数少

26、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

27、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, %如果模糊矩阵的指数小于等于1    

28、60;           error('The exponent should be greater than 1!');         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 = zero