传递闭包法做模糊聚类的Matlab代码

传递闭包法（Transitive Closure Clustering）是一种基于图论的模糊聚类算法，可以将数据集中的样本划分为若干个模糊类别。以下是使用Matlab实现传递闭包法的代码：

function [U, centers] = tcc(data, m, eps)
% data: 数据集，每行为一个样本
% m: 模糊指数
% eps: 距离阈值

% 计算距离矩阵
dist = pdist2(data, data);

% 构建相似矩阵
sim = exp(-(dist.^2)/(2*eps^2));

% 初始化隶属度矩阵
[n, ~] = size(data);
U = rand(n);

% 迭代更新隶属度和聚类中心
while true
    % 计算聚类中心
    centers = (U.^m * data) ./ sum(U.^m, 1);
    
    % 更新隶属度
    U_old = U;
    for i = 1:n
        for j = 1:n
            if U(i,j) > 0
                U(i,j) = sim(i,j) / sum(sim(i,:));
            end
        end
    end
    
    % 判断是否收敛
    if norm(U - U_old) < 1e-5
        break;
    end
end
end

使用方法：

% 生成测试数据
data = rand(100, 2) * 10;

% 调用传递闭包法聚类
[U, centers] = tcc(data, 2, 2);

% 可视化聚类结果
scatter(data(:,1), data(:,2), 20, U(:,1), 'filled');
colorbar;
hold on;
scatter(centers(:,1), centers(:,2), 50, 'k', 'filled');

其中，参数m为模糊指数，取值范围为[1,∞)，一般设为2；参数eps为距离阈值，用于控制相似度矩阵的稠密程度，需要根据具体数据集进行调整。函数返回值U为隶属度矩阵，每行对应一个样本，每列对应一个聚类中心；centers为聚类中心，每行为一个中心的坐标。