Fuzzy-c means

模糊C均值（Fuzzy-c means，FCM）聚類算法是一種柔性劃分的聚類方法，通過計算樣本的隸屬度矩陣使得被劃分到同一簇的對象之間相似度最大，而不同簇之間的相似度最小。FCM聚類算法是多種基於目標函式的模糊聚類算法中套用最為廣泛的一種聚類方法。

基本介紹

• 中文名：模糊C均值聚類算法
• 外文名：Fuzzy-c means clustering algorithm
• 適用領域：數據挖掘、模式識別、機器學習
• 所屬學科：數學
• 提出時間：1973年
• 提出者：James C.Bezdek、RobertEhrlich、WilliamFull

定義

聚類是一個將數據集中在某些方面相似的數據成員進行分類組織的過程，聚類就是一種發現這種內在結構的技術，聚類技術經常被稱為無監督學習。

1973年，Bezdek等人提出了FCM聚類算法，該方法用隸屬度確定每個數據點屬於某個聚類的程度，是作為早期硬C均值聚類（HCM）方法的一種改進。

算法原理

設定 K 個聚類，給出初始隸屬度矩陣並歸一化。

根據隸屬度矩陣更新聚類中心。

更新隸屬度矩陣。

達到收斂條件時，停止疊代。