fcm聚类matlab代码

以下是使用 MATLAB 实现 FCM 聚类的示例代码：

% 加载数据
load('data.mat'); % 载入数据，data.mat 是数据文件的名称，需要将数据存储在一个名为 data 的变量中

% 设置参数
num_clusters = 3; % 聚类数量
max_iterations = 100; % 最大迭代次数
fuzziness = 2; % 模糊因子

% 初始化隶属度矩阵
[m, n] = size(data); % 获取数据集的大小
U = rand(m, num_clusters); % 随机初始化隶属度矩阵
U = U ./ sum(U, 2); % 归一化隶属度矩阵

% 迭代更新隶属度和聚类中心
for iter = 1:max_iterations
    % 更新聚类中心
    centroids = U' * data ./ sum(U)';
    
    % 计算隶属度矩阵
    distances = pdist2(data, centroids); % 计算样本与聚类中心的距离
    U_new = distances.^(-2/(fuzziness-1)); % 根据距离计算新的隶属度矩阵
    U_new = U_new ./ sum(U_new, 2); % 归一化隶属度矩阵
    
    % 判断是否达到停止条件
    if norm(U_new - U) < 1e-5
        break;
    end
    
    U = U_new; % 更新隶属度矩阵
end

% 根据隶属度矩阵确定最终的聚类结果
[~, labels] = max(U, [], 2);

% 绘制聚类结果
scatter(data(:, 1), data(:, 2), [], labels);

注意：在上述代码中，需要将数据存储在一个名为 `data` 的变量中，并且数据应该是一个 `m x n` 的矩阵，其中 `m` 是样本数量，`n` 是特征数量。你需要根据你的实际数据进行适当的修改。此外，代码中的 `data.mat` 是示例数据文件的名称，你需要将其替换为你的数据文件的名称。