模糊c-均值聚類算法

模糊c-均值聚類算法 fuzzy c-means algorithm (FCMA)或稱（ FCM）。在眾多模糊聚類算法中，模糊C-均值（ FCM） 算法套用最廣泛且較成功，它通過最佳化目標函式得到每個樣本點對所有類中心的隸屬度，從而決定樣本點的類屬以達到自動對樣本數據進行分類的目的。

基本介紹

• 中文名：模糊c-均值聚類算法
• 外文名： fuzzy c-means algorithm 
• 簡稱：FCMA
• 套用：數據挖掘、矢量量化

FCM 算法簡介

假設樣本集合為X={x1 ，x2 ，…，xn }，將其分成c 個模糊組，並求每組的聚類中心cj （ j=1，2，…，C） ，使目標函式達到最小。

套用

模糊聚類分析作為無監督機器學習的主要技術之一，是用模糊理論對重要數據分析和建模的方法，建立了樣本類屬的不確定性描述，能比較客觀地反映現實世界，它已經有效地套用在大規模數據分析、數據挖掘、矢量量化、圖像分割、模式識別等領域，具有重要的理論與實際套用價值，隨著套用的深入發展，模糊聚類算法的研究不斷豐富。