FCM聚类算法的实现.pdf

文档介绍：FCM 算法的实现
算法简介

FCM 算法是 Bezkek 于 1981 年提出的，是目前比较流行的一种模糊聚类算
法，原因大致有以下几个方面：
1. 模糊 C
 ( b )  {  [( ik ) m  1 ]}  1
ik d ( b ) （4-1）
j  1 jk
其中 d 为样本 x 与第 i 类的聚类原型 p 之间的距离度量。 如果i,r ，使
ik k i
得 d (b )  0 ，则有：  (b)  1。并且对 j  r,(b)  0
ir ir ij
1）根据公式（4-1）更新聚类原型模式矩阵 P(b1) ：
n
  ( b 1)  x
ik k
P ( b 1)  k 1 , i  1, 2,..., c
i n （4-2）
 ( ( b 1) ) m
ik
2）迭代数计 器 b  b 1，循环k 步1 骤 1）2），直到公式（4-3）成立，并得到
划分矩阵U 和聚类原型 P ：
|| P(b)  P(b1) || 
（4-3）从上面所描述的算法步骤中不难看出，整个计算的过程就是反复修改聚类中
心和分类矩阵的过程。经过这种反复修改的过程之后，该算法的收敛性已经得以
证明。

模糊 C-均值算法是通过一种优化函数来确定聚类的好坏，其核心就是划分
矩阵的确定。算法流程图如图 4-5 所示。
算法的实现
在 I-Miner 中嵌入用 S 语言编写的 FCM 聚类分析算法，建立数据挖掘模型，
实现数据的挖掘。具体嵌入算法的步骤如下：
a) 用 S 语言编写 FCM 算法程序，在 S-Plus 中验证其正确性；
b) 在数据挖掘软件 I-Miner 的探索器窗口中选择节点 S-PLUS