模糊c均值聚类算法matlab

以下是使用Matlab实现模糊c均值聚类算法的示例代码：

% 输入数据
data = [1 2; 1.5 1.8; 5 8; 8 8; 1 0.6; 9 11];

% 设定聚类数量和迭代次数
c = 2;
maxIter = 100;

% 初始化隶属度矩阵
m = 2;
U = rand(size(data, 1), c);
U = U ./ sum(U, 2);

% 迭代求解聚类中心和隶属度
for i = 1:maxIter
    % 计算聚类中心
    centers = (U.^m)' * data ./ sum(U.^m)';
    
    % 计算距离矩阵
    dists = pdist2(data, centers);
    
    % 更新隶属度矩阵
    U = 1 ./ dists.^2;
    U = U ./ sum(U, 2);
    
    % 判断是否收敛
    if norm(U - Uold) < 1e-6
        break;
    end
    
    Uold = U;
end

% 输出聚类结果
[~, labels] = max(U, [], 2);
disp(labels);

上述代码输入了一个6个样本点的二维数据集，设定了聚类数量为2，最大迭代次数为100。算法首先随机初始化隶属度矩阵U，然后迭代求解聚类中心和隶属度。在每轮迭代中，先计算聚类中心，然后计算每个样本点与每个聚类中心的距离，根据距离更新隶属度矩阵。最后输出每个样本点所属的聚类标签。