kfcm算法matlab实现,KFCM算法分析
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,
tmp = default_options;
tmp(1:length(options)) = options;
options = tmp;
end
% 返回options中是数的值为0(如NaN),不是数时为1
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options中的指数m不超过1报错
error('The exponent should be greater than 1!');
end
end
% 将options 中的分量分别赋值给四个变量;
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
obj_fcn = zeros(max_iter, 1); % 初始化输出参数obj_fcn
U = initkfcm(cluster_n, data_n); % 初始化模糊分配矩阵,使U满足列上相加为1
% 初始化聚类中心:从样本数据点中任意选取cluster_n个样本作为聚类中心。当然,
% 如果采用某些先验知识选取中心或许能够达到加快稳定的效果,但目前不具备这功能
index = randperm(data_n); % 对样本序数随机排列
center_old = data(index(1:cluster_n),:); % 选取随机排列的序数的前cluster_n个
% Main loop 主要循环
for i = 1:max_iter,
% 在第k步循环中改变聚类中心ceneter,和分配函数U的隶属度值;
[U, center, obj_fcn(i)] = stepkfcm(data,U,center_old, expo, kernel_b);
if display,
fprintf('KFCM:Iteration count = % d, obj. fcn = % f \n', i, obj_fcn(i));
end
center_old = center; % 用新的聚类中心代替老的聚类中心
% 终止条件判别
if i > 1,
if abs(obj_fcn(i) - obj_fcn(i-1)) < min_impro, break; end,
end
end
iter_n = i; % 实际迭代次数
obj_fcn(iter_n+1:max_iter) = [];
% 子函数
function U = initkfcm(cluster_n, data_n)
% 初始化fcm的隶属度函数矩阵
% 输入:
% cluster_n ---- 聚类中心个数
% data_n ---- 样本点数
% 输出:
% U ---- 初始化的隶属度矩阵
U = rand(cluster_n, data_n);
col_sum = sum(U);
U = U./col_sum(ones(cluster_n, 1), :);
kfcm算法matlab实现,KFCM算法分析相关推荐
- matlab kfcm,KFCM算法MATLAB
KFCM算法MATLAB matlab 2020-11-18 下载地址 https://www.codedown123.com/51200.html 分别用kmeans.fcm.kfcm实现图像分割 ...
- matlab 聚类 源程序,聚类——KFCM的matlab程序
聚类--KFCM的matlab程序 在聚类--KFCM文章中已介绍了KFCM-F算法的理论知识,现在用matlab进行实现,下面这个例子是用FCM初始化聚类中心,也可以随机初始化聚类中心. 1.mat ...
- dst matlab,DSTcode DST跟踪算法MATLAB代码,复杂环境中仿多目标 实现的单 Other systems 其他 272万源代码下载- www.pudn.com...
文件名称: DSTcode下载 收藏√ [ 5 4 3 2 1 ] 开发工具: matlab 文件大小: 82 KB 上传时间: 2017-03-17 下载次数: 0 提 供 者: Mar ...
- 图片缩放 算法 matlab,图像放大算法总结及MATLAB源程序.doc
图像放大算法总结及MATLAB源程序 1,插值算法(3种): (1)最邻近插值(近邻取样法): 最近插值的的思想很简单就是把这个非整数坐标作一个四舍五入,取最近的整数点坐标处的点的颜色.可见,最邻近插 ...
- TDOA定位的Chan算法MATLAB源代码
TDOA定位的Chan算法MATLAB源代码 . function [POS_ref,POS1,POS2,POS3,POS4] = TDOA_chan(R,Pbs,Q) %************** ...
- dijkstra算法matlab代码_头脑风暴优化(BSO)算法(附MATLAB代码)
BSO讲解https://www.zhihu.com/video/1252605855767736320 B站搜索:随心390,同步观看视频 各位小伙伴可在闲鱼搜索 优化算法交流地,即可搜索到官方闲鱼 ...
- Algorithm之PrA:PrA之nLP非线性规划算法+Matlab 优化工具箱的GUI求解非线性规划
Algorithm之PrA:PrA之nLP非线性规划算法+Matlab 优化工具箱的GUI求解非线性规划 目录 PrA之nLP非线性规划算法 操作图文教程 PrA之nLP非线性规划算法 (1).编写M ...
- matlab虚拟力,31无线传感网络布局优化的虚拟力导向粒子群算法MATLAB源代码
无线传感网络布局优化的虚拟力导向粒子群算法MATLAB源代码 本源代码主要参考了下面的文献:王雪, 王晟, 马俊杰. 无线传感器网络布局的虚拟力导向微粒群优化策略[J]. 电子学报, 2007, 11 ...
- 数据结构与算法(C++)-- 算法分析
数据结构与算法(C++)– 算法分析 算法分析包括:时间复杂度和空间复杂度分析.以下主要是时间复杂度的分析. 1.数学定义 O 表示前面是后面的下界,后面是前面的上界 Ω 表示前面是后面的上界,后面是 ...
最新文章
- java applet 缺陷_Java Applet在最新JRE上的奇怪性能行为(7.55)
- VS2015占内存大吗?_手游越来越占内存,80%的手机安装一个大游戏就满了,厂商肉搏...
- js转Java的list_JS之JSON字符串到后台用Java转换成List实体类
- 做了5年Java,java文件下载代码
- 安卓抓包工具 linux,Android 下使用tcpdump网络抓包方法
- MAC OS Sierra 10.12.6 下对固态硬盘SSD 开启TRIM功能
- figma 安装插件_我制作Figma插件的经验
- 【默认加入持久化机制,防止消息丢失,v0.0.3】对RabbitMQ.Client进行一下小小的包装,绝对实用方便...
- Spring Security整合JWT,实现单点登录,So Easy~!
- element ui中 el-table根据不同的值设置单元格背景色
- Redis六种底层数据结构
- cookie、session和token原理
- 升级 Xcode 4.3 后找不到 xcodebuild 的解决方法
- python输出关键字的行号_python 《第七谈》简单的抓取数据,联行号为例
- Spring Boot 定制个性 banner
- 印章-公司印章制作生成器
- 【自动驾驶】高级驾驶辅助系统(ADAS)
- SSM项目-我爱我家(二)
- 一杯苦咖啡 | 公司来了个漂亮女实习程序员
- R语言︱SNA-社会关系网络 R语言实现专题(基础篇)(一)