模糊核聚类算法实现

function [center, U, obj_fcn] = KFCMClust(data, cluster_n, kernel_b,options) 
% FCMClust.m   采用模糊C均值对数据集data聚为cluster_n类  
% 
% 用法： 
%   1.  [center,U,obj_fcn] = KFCMClust(Data,N_cluster,kernel_b,options); 
%   2.  [center,U,obj_fcn] = KFCMClust(Data,N_cluster,kernel_b); 
%   3.  [center,U,obj_fcn] = KFCMClust(Data,N_cluster); 
%    
% 输入： 
%   data        ---- nxm矩阵,表示n个样本,每个样本具有m的维特征值 
%   N_cluster   ---- 标量,表示聚合中心数目,即类别数 
%   kernel_b    ---- 高斯核参数b                           （缺省值：150） 
%   options     ---- 4x1矩阵，其中 
%       options(1):  隶属度矩阵U的指数，>1                  (缺省值: 2.0) 
%       options(2):  最大迭代次数                           (缺省值: 100) 
%       options(3):  隶属度最小变化量,迭代终止条件           (缺省值: 1e-5) 
%       options(4):  每次迭代是否输出信息标志                (缺省值: 1) 
% 输出： 
%   center      ---- 聚类中心 
%   U           ---- 隶属度矩阵 
%   obj_fcn     ---- 目标函数值 
%   Example: 
%       data = rand(100,2); 
%       [center,U,obj_fcn] = KFCMClust(data,2); 
%       plot(data(:,1), data(:,2),'o'); 
%       hold on; 
%       maxU = max(U); 
%       index1 = find(U(1,:) == maxU); 
%       index2 = find(U(2,:) == maxU); 
%       line(data(index1,1),data(index1,2),'marker','*','color','g'); 

%       line(data(index2,1),data(index2,2),'marker','*','color','r'); 
%       plot([center([1 2],1)],[center([1 2],2)],'*','color','k') 
%       hold off; 
 
%   Author: Genial 
%   Date:   2005.5 
 
%  一副图中显示多方图片：montage 
 
 
error(nargchk(2,4,nargin));    %检查输入参数个数 
 
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,目前没有用 
% 默认操作参数 
default_b = 150;         % 高斯核函数参数 
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, 
    kernel_b = default_b; 
 options = default_options; 
elseif nargin == 3, 
    options = default_options; 
else    %分析有options做参数时候的情况 
 % 如果输入参数个数是3那么就调用默认的option; 
    %如果用户给的opition数少于4个那么就将剩余的默认option加上; 
 if length(options) < 4,