FCMpython代码

FCM（Fuzzy C-Means）是一种模糊聚算法，用于将数据集划分为多个模糊的聚类簇。在Python中，可以使用scikit-fuzzy库来实现FCM算法。

以下是一个简单的FCM算法的Python代码示例：

import numpy as np
import skfuzzy as fuzz

# 生成随机数据集
np.random.seed(0)
data = np.random.randn(100, 2)

# 设置模糊聚类的参数
cntr, u, u0, d, jm, p, fpc = fuzz.cluster.cmeans(
    data.T, c=3, m=2, error=0.005, maxiter=1000, init=None)

# 根据模糊聚类结果进行分类
cluster_membership = np.argmax(u, axis=0)

# 打印每个数据点所属的聚类簇
for i in range(len(cluster_membership)):
    print("Data point", i, "belongs to cluster", cluster_membership[i])

# 打印聚类中心
print("Cluster centers:")
print(cntr)

上述代码中，首先使用`numpy`库生成了一个随机的二维数据集`data`。然后使用`skfuzzy`库中的`fuzz.cluster.cmeans`函数进行模糊聚类，其中参数`c`表示聚类簇的数量，`m`表示模糊度，`error`表示收敛误差，`maxiter`表示最大迭代次数。函数返回聚类中心`cntr`、隶属度矩阵`u`等结果。

最后，根据隶属度矩阵`u`确定每个数据点所属的聚类簇，并打印结果。同时，打印出聚类中心`cntr`。