聚类——FCM的matlab程序

以下是使用Matlab编写的模糊C均值（FCM）聚类算法的示例程序：

clc, clear, close all;

% 生成模拟数据
data = [randn(100,2)+ones(100,2);...
    randn(100,2)-ones(100,2)];

% 设置聚类数量
c = 2;

% 设置模糊因子m
m = 2;

% 设置最大迭代次数
max_iter = 100;

% 初始化隶属度矩阵U
U = rand(size(data,1),c);
U = bsxfun(@rdivide, U, sum(U,2));

% 循环迭代直至收敛或达到最大迭代次数
for iter = 1:max_iter
    % 计算聚类中心
    centroids = U'*data ./ sum(U)';
    
    % 计算距离矩阵
    d = pdist2(data, centroids);
    
    % 更新隶属度矩阵
    U = bsxfun(@rdivide, 1./d.^(2/(m-1)), sum(1./d.^(2/(m-1)),2));
    
    % 判断是否收敛
    if norm(U - old_U) < 1e-5
        break
    end
    
    old_U = U;
end

% 可视化结果
figure;
plot(data(:,1),data(:,2),'b.','MarkerSize',10);
hold on
plot(centroids(:,1),centroids(:,2),'r.','MarkerSize',20);
hold off

程序首先生成一些模拟数据，然后设置聚类数量、模糊因子m和最大迭代次数。随后，程序初始化隶属度矩阵U，然后在循环迭代中计算聚类中心、距离矩阵和更新隶属度矩阵，直至收敛或达到最大迭代次数。最后，程序可视化聚类结果。