使用Fuzzy C-Means聚类算法提高数据集准确性

function [center, U, obj_fcn] = FCMClust(data, cluster_n, options) 
if nargin ~= 2 & nargin ~= 3, %判断输入参数个数只能是2个或3个
    error('Too many or too few input arguments!'); 
end  
data_n = size(data, 1); % 求出data的第一维(rows)数, 即样本个数
in_n = size(data, 2); % 求出data的第二维(columns)数，即特征值长度
default_options = [2; % 隶属度矩阵U的指数
 100;  % 最大迭代次数
 1e-5;  % 隶属度最小变化量, 迭代终止条件
 1]; % 每次迭代是否输出信息标志
if nargin == 2, 
  options = default_options; 
else  % 分析有options做参数时候的情况
  if length(options) < 4, %如果用户给的opition数少于4个那么其他用默认值; 
    tmp = default_options; 
    tmp(1:length(options)) = options; 
    options = tmp; 
  end
 nan_index = find(isnan(options)==1); 
  %将denfault_options中对应位置的参数赋值给options中不是数的位置. 
 options(nan_index) = default_options(nan_index); 
 if options(1) <= 1, %如果模糊矩阵的指数小于等于1 
   error('The exponent should be greater than 1!'); 
 end 
end  
expo = options(1); % 隶属度矩阵U的指数
max_iter = options(2); % 最大迭代次数
min_impro = options(3); % 隶属度最小变化量, 迭代终止条件
display = options(4); % 每次迭代是否输出信息标志