MATLAB est un standard de l'industrie ensemble de logiciels pour l'analyse d'un certain nombre de données techniques et scientifiques. Un objectif sous-jacent de nombreuses méthodes d'analyse est de reconnaître des tendances dans les données sous-jacentes. Bien souvent, cela implique de diviser les données en différents groupes ou clusters. Il est fréquemment utilisé algorithme de clustering est fuzzy c-means, développé par Dunn en 1973 et amélioré par Bezdek en 1981.
MATLAB est un standard de l'industrie ensemble de logiciels pour l'analyse d'un certain nombre de données techniques et scientifiques. Un objectif sous-jacent de nombreuses méthodes d'analyse est de reconnaître des tendances dans les données sous-jacentes. Bien souvent, cela implique de diviser les données en différents groupes ou clusters. Il est fréquemment utilisé algorithme de clustering est fuzzy c-means, développé par Dunn en 1973 et amélioré par Bezdek en 1981.
vue d'ensemble
- Dans fuzzy c-means, ou de la FCM, les points de données peuvent appartenir à plusieurs clusters. Un algorithme itératif minimise une fonction objectif de trouver l'optimum de l'appartenance au cluster pour chaque point de données en cluster. Itération de l'algorithme de clustering s'arrête lorsque la fonction objectif atteint un minimum local ou point selle. La FCM peut être combiné avec d'autres algorithmes de recherche afin d'assurer un résultat optimal.
Objectif de la Fonction
- Le FCM, la fonction objectif J_m est égal à:
sum(i=1...N)[ sum(j=1...C) [u_ij^m norme(x_i - c_j)^2 ] ]
le but de La fonction est prise en compte sur les vraies valeurs de la m entre 1 et l'infini positif. La valeur u_ij est l'appartenance du point de données x_i dans la j-ème cluster, centré à l'c_j.
Algorithme
- La FCM algorithme d'optimisation comporte quatre étapes:
- Initialiser la matrice U_0 = [u_ij].
- Calculer les centres de cluster C_k = [c_j] de U_k), où k est un entier égal itération de l'algorithme.
- mise à Jour U_(k 1) de la nouvelle C_k.
- Calculer la valeur de J_k. Si le nouvel arrêt causé J_k à augmenter, arrêter, sinon retourner à l'étape 2.
MATLAB Utiliser
- MATLAB met en œuvre fuzzy c-means dans le fcm() fonction. La Logique Floue boîte à outils est nécessaire pour l'utilisation de la fcm() fonction. La syntaxe d'appel est:
[centres, U, objFun] = fcm(my_data, n_clusters)
Le my_data variable est l'entrée de données, où chaque ligne représente un point de données. Le n_clusters variable est le nombre de clusters pour regrouper les données. Les centres de sortie est la matrice optimale de centres de cluster. U est la meilleure partition floue ou l'appartenance de la matrice. Le objFun variable est la dernière valeur de la fonction objectif.
La FCM Code en MATLAB
MATLAB est un standard de l'industrie ensemble de logiciels pour l'analyse d'un certain nombre de donnees techniques et scientifiques. Un objectif sous-jacent de nombreuses methodes d'analyse est de reconnaître des tendances dans les donnees sous-jacentes. Bien souvent, cela implique de diviser les donnees en differents groupes ou clusters. Il est frequemment utilise algorithme de clustering est fuzzy c-means, developpe par Dunn en 1973 et ameliore par Bezdek en 1981.
MATLAB est un standard de l'industrie ensemble de logiciels pour l'analyse d'un certain nombre de donnees techniques et scientifiques. Un objectif sous-jacent de nombreuses methodes d'analyse est de reconnaître des tendances dans les donnees sous-jacentes. Bien souvent, cela implique de diviser les donnees en differents groupes ou clusters. Il est frequemment utilise algorithme de clustering est fuzzy c-means, developpe par Dunn en 1973 et ameliore par Bezdek en 1981.
vue d'ensemble
- Dans fuzzy c-means, ou de la FCM, les points de donnees peuvent appartenir a plusieurs clusters. Un algorithme iteratif minimise une fonction objectif de trouver l'optimum de l'appartenance au cluster pour chaque point de donnees en cluster. Iteration de l'algorithme de clustering s'arrete lorsque la fonction objectif atteint un minimum local ou point selle. La FCM peut etre combine avec d'autres algorithmes de recherche afin d'assurer un resultat optimal.
Objectif de la Fonction
- Le FCM, la fonction objectif J_m est egal a:
sum(i=1...N)[ sum(j=1...C) [u_ij^m norme(x_i - c_j)^2 ] ]
le but de La fonction est prise en compte sur les vraies valeurs de la m entre 1 et l'infini positif. La valeur u_ij est l'appartenance du point de donnees x_i dans la j-eme cluster, centre a l'c_j.
Algorithme
- La FCM algorithme d'optimisation comporte quatre etapes:
- Initialiser la matrice U_0 = [u_ij].
- Calculer les centres de cluster C_k = [c_j] de U_k), ou k est un entier egal iteration de l'algorithme.
- mise a Jour U_(k 1) de la nouvelle C_k.
- Calculer la valeur de J_k. Si le nouvel arret cause J_k a augmenter, arreter, sinon retourner a l'etape 2.
MATLAB Utiliser
- MATLAB met en œuvre fuzzy c-means dans le fcm() fonction. La Logique Floue boîte a outils est necessaire pour l'utilisation de la fcm() fonction. La syntaxe d'appel est:
[centres, U, objFun] = fcm(my_data, n_clusters)
Le my_data variable est l'entree de donnees, ou chaque ligne represente un point de donnees. Le n_clusters variable est le nombre de clusters pour regrouper les donnees. Les centres de sortie est la matrice optimale de centres de cluster. U est la meilleure partition floue ou l'appartenance de la matrice. Le objFun variable est la derniere valeur de la fonction objectif.
La FCM Code en MATLAB
By commentfaire
MATLAB est un standard de l'industrie ensemble de logiciels pour l'analyse d'un certain nombre de données techniques et scientifiques. Un objectif sous-jacent de nombreuses méthodes d'analyse est de reconnaître des tendances dans les données sous-jacentes. Bien souvent, cela implique de diviser les données en différents groupes ou clusters. Il est fréquemment utilisé algorithme de clustering est fuzzy c-means, développé par Dunn en 1973 et amélioré par Bezdek en 1981.
