传递闭包法做模糊聚类的代码

传递闭包法（Transitive Closure Clustering，TCC）是一种常用的模糊聚类算法。下面给出使用Python实现TCC算法的示例代码：

import numpy as np

def TCC(X, delta):
    """
    传递闭包法模糊聚类算法
    :param X: 样本集合，每行为一个样本
    :param delta: 簇间距离阈值
    :return: 聚类结果，每个元素表示一个样本所属的簇
    """
    n = X.shape[0] # 样本数
    D = np.zeros((n, n)) # 距离矩阵
    for i in range(n):
        for j in range(i+1, n):
            D[i][j] = np.linalg.norm(X[i]-X[j]) # 计算欧氏距离
            D[j][i] = D[i][j]

    # 初始化传递闭包矩阵
    T = np.zeros((n, n))
    for i in range(n):
        for j in range(n):
            if D[i][j] <= delta:
                T[i][j] = 1

    # 传递闭包
    for k in range(n):
        for i in range(n):
            for j in range(n):
                T[i][j] = T[i][j] or (T[i][k] and T[k][j])

    # 聚类
    C = np.zeros(n)
    c = 0
    for i in range(n):
        if C[i] == 0:
            c += 1
            C[i] = c
            for j in range(i+1, n):
                if T[i][j] and T[j][i]:
                    C[j] = c

    return C.astype(int)

使用示例：

import numpy as np

# 生成数据
np.random.seed(0)
X = np.random.rand(30, 2)

# 聚类并可视化结果
import matplotlib.pyplot as plt
C = TCC(X, 0.3)
plt.scatter(X[:,0], X[:,1], c=C)
plt.show()

其中，`X`是样本集合，每行为一个样本；`delta`为簇间距离阈值，即两个样本之间的欧氏距离小于等于`delta`时认为它们属于同一个簇。函数返回的是聚类结果，每个元素表示一个样本所属的簇。