聚類——FCM

聚類——認識FCM算法

做者：凱魯嘎吉 - 博客園 http://www.cnblogs.com/kailugaji/

1、FCM概述

    FCM算法是基於對目標函數的優化基礎上的一種數據聚類方法。聚類結果是每個數據點對聚類中心的隸屬程度，該隸屬程度用一個數值來表示。該算法容許同一數據屬於多個不一樣的類。

    FCM算法是一種無監督的模糊聚類方法，在算法實現過程當中不須要人爲的干預。

    這種算法的不足之處:首先，算法中須要設定一些參數，若參數的初始化選取的不合適，可能影響聚類結果的正確性;其次，當數據樣本集合較大而且特徵數目較多時，算法的實時性不太好。

    K-means也叫硬C均值聚類（HCM），而FCM是模糊C均值聚類，它是HCM的延伸與拓展，HCM與FCM最大的區別在於隸屬函數（劃分矩陣）的取值不一樣，HCM的隸屬函數只取兩個值：0和1，而FCM的隸屬函數能夠取[0,1]之間的任何數。K-means和FCM都須要事先給定聚類的類別數，而FCM還須要選取恰當的加權指數α，α的選取對結果有必定的影響，α屬於[0,+∞)。

2、FCM算法步驟