将kmeans得到的聚类中心作为初始聚类中心输入给FCM聚类的matlab代码

以下是将K-Means得到的聚类中心作为初始聚类中心输入给FCM聚类的Matlab代码：

% K-Means聚类
k = 3; % 聚类数
[idx, C] = kmeans(X, k);

% FCM聚类（使用K-Means得到的聚类中心作为初始聚类中心）
m = 2; % 模糊指数
options = [2, 100, 1e-6, 0]; % [模糊指数, 最大迭代次数, 终止误差, 是否显示迭代过程]
[U, C] = fcm(X, k, options, C);

% 输出聚类结果
[~, labels] = max(U);

其中，X是数据矩阵，每行为一个样本；k是聚类数；m是模糊指数；options参数依次为模糊指数、最大迭代次数、终止误差和是否显示迭代过程；idx为K-Means聚类结果中每个样本所属的类别；C为K-Means聚类得到的聚类中心；U为FCM聚类得到的隶属度矩阵；labels为最终聚类结果中每个样本所属的类别。

在FCM聚类中，我们将K-Means得到的聚类中心作为初始聚类中心，这样可以加快算法的收敛速度，并且通常可以得到更好的聚类结果。