不使用matlab自带的fcm函数怎么写fcm聚类的代码

FCM（模糊C均值聚类）是一种常用的聚类算法，其核心是通过迭代来优化聚类中心和每个数据点的隶属度。下面给出一个简单的Python实现：

import numpy as np

def fcm(X, n_clusters, max_iter=100, m=2):
    # 初始化隶属度矩阵U
    U = np.random.rand(n_clusters, X.shape[0])
    U = U / np.sum(U, axis=0)
    
    # 开始迭代
    for i in range(max_iter):
        # 计算聚类中心
        centroids = np.dot(U**m, X) / np.sum(U**m, axis=1, keepdims=True)
        
        # 计算距离矩阵
        dists = np.sqrt(np.sum((X[:, np.newaxis] - centroids) ** 2, axis=2))
        
        # 更新隶属度矩阵
        U = 1 / (1 + (dists / dists[:, :, np.argmin(dists, axis=1)][:, np.newaxis])**2 / (m-1))
        
    # 返回聚类结果
    return np.argmax(U, axis=0)

其中，X是输入数据矩阵，n_clusters是聚类的个数，max_iter是最大迭代次数，m是模糊度参数。函数返回每个数据点的聚类结果。