fcm 例子 matlab

FCM (Fuzzy c-means) 是一种聚类算法，常用于图像分割、模式识别等领域。在 MATLAB 中，我们可以通过调用 fcm 函数实现 FCM 聚类。

以下是一个简单的 fcm 例子。

假设我们有一个大小为 100x2 的数据集，其中每个样本有两个特征。我们要将这些样本分为 3 类。我们可以按以下步骤实现 FCM 聚类：

1. 加载数据

首先，我们将数据加载到 MATLAB 中。可以使用 load 函数读取 txt 文件，该文件包含我们的数据集。

data = load('data.txt');

2. 设置聚类参数

接下来，我们需要设置 FCM 聚类的一些参数，包括聚类数目、模糊指数和迭代次数。在这个例子中，我们将聚类数目设置为 3，模糊指数设置为 2 和迭代次数设置为 100。

num_clusters = 3;
fuzziness = 2;
max_iter = 100;

3. 运行 FCM 算法

接下来，我们可以运行 FCM 算法并得到聚类结果。可以使用 fcm 函数，该函数的输入参数包括数据集、聚类数目、模糊指数和最大迭代次数。该函数将返回聚类结果，包括每个样本的隶属度和每个聚类的质心。

[centers, U] = fcm(data, num_clusters, [fuzziness max_iter]);

4. 可视化聚类结果

最后，我们可以可视化聚类结果。可以使用 plot 函数将数据集中的每个样本用不同颜色表示，不同颜色代表不同的聚类。可以使用 scatter 函数绘制数据集和聚类质心的散点图。

for i=1:num_clusters
index = U(i,:);
index = index == max(index);
plot(data(index,1),data(index,2),'.','MarkerSize',12)
hold on;
end
scatter(centers(:,1), centers(:,2), 'k', 'filled')
hold off;
xlabel('Feature 1');
ylabel('Feature 2');
title('FCM clustering results');

这个例子演示了如何使用 fcm 函数在 MATLAB 中实现 FCM 聚类，并将结果可视化。