做牙厂的网站,西安网站建设小程序开发,ic交易网站建设,宣武网站建设模糊c均值聚类与k均值聚类区别k均值聚类k均值聚类的实现中#xff0c;把每个样本划分到单一的类别中#xff0c;亦即是每个样本只能属于一种类别#xff0c;不能属于多种类别。这样的划分#xff0c;称为硬划分。模糊c均值均类为了解决硬划分所带来的问题#xff0c;因此有…模糊c均值聚类与k均值聚类区别k均值聚类k均值聚类的实现中把每个样本划分到单一的类别中亦即是每个样本只能属于一种类别不能属于多种类别。这样的划分称为硬划分。模糊c均值均类为了解决硬划分所带来的问题因此有了称为软划分的聚类算法这一类算法中每个样本不再只能属于一种类别而是对于每个样本都有对应的隶属度数组数组里的每一个元素代表该样本属于某种类别的程度。而该样本的隶属度数组中的总值等于1。其目标方程以及优化的推导过程可以参照下述链接个人认为推导过程十分详细。模糊c均值聚类推导实现步骤根据相关的推导结果具体实现步骤如下初始化数据集初始化隶属度数组根据隶属度数组更新聚类中心根据聚类中心更新隶属度数组是否达到结束条件没有达到则重复2-4步骤。实现各个相关函数都有注释。#include #include #include #include typedef struct{double x;double y;} Position;//随机生成二维数据点//len:节点数量//range节点x、y值的范围Position *randomPosition(int len, int range){srand((unsigned)time(NULL));Position *allPos (Position *)malloc(len * sizeof(Position));short a 1; //人为差异量for (int i 0; i len; i){if (a){allPos[i].x (double)rand() / 2147483647 * range;allPos[i].y (double)rand() / 2147483647 * range;a 0;}else if (!a){allPos[i].x (double)rand() / 2147483647 * range50;allPos[i].y (double)rand() / 2147483647 * range50;a 1;}}return allPos;}//fcm初始化隶属度矩阵//posNum节点数量//clusterNum聚类中心数量double **init(int posNum, int clusterNum){double **u (double **)malloc(sizeof(double *) * clusterNum);for (int i 0; i {u[i] (double *)malloc(sizeof(double) * posNum);}srand((unsigned)time(NULL));double sum;//初始化usigmaU[i]1for (int i 0; i posNum; i){sum1;for (int x 0; x clusterNum - 1; x){u[x][i] ((double)rand() / 2147483647) * sum;sum - u[x][i];printf(u[%d][%d]:%f ,x,i,u[x][i]);}u[clusterNum-1][i]sum;printf(u[%d][%d]:%f\n,clusterNum-1,i,u[clusterNum-1][i]);}return u;}//输出所有数据点//allPos节点数组//len节点数量void outputPos(Position *allPos, int len){for (int i 0; i len; i)printf(position %d:(%f,%f)\n, i, allPos[i].x, allPos[i].y);return;}//所有隶属于聚类中心i的点的隶属程度和//u隶属度矩阵//posNum节点数量//i:第i个聚类中心//m隶属度因子double sumUi(double** u,int posNum,int i,int m){double res0;for(int x0;xrespow(u[i][x],m);return res;}//所有隶属于聚类中心i的点的x坐标的和//u隶属度矩阵//allPos:节点数组//posNum节点数量//i:第i个聚类中心//m隶属度因子double sumXi(double** u,Position* allPos,int posNum,int i,int m){double res0;for(int x0;xresallPos[x].x*pow(u[i][x],m);return res;}//所有隶属于聚类中心i的点的y坐标的和//u隶属度矩阵//posNum节点数量//i:第i个聚类中心//m隶属度因子double sumYi(double** u,Position* allPos,int posNum,int i,int m){double res0;for(int x0;xresallPos[x].y*pow(u[i][x],m);return res;}//第j个节点到所有聚类中心距离总和//pos:第j个节点//cluster:聚类中心数组//clusterNum聚类中心数量//m隶属度因子double sumDis(Position pos,Position* cluster,int clusterNum,int m){double res0;for(int i0;ires(double)1/pow(pow(pos.x-cluster[i].x,2)pow(pos.y-cluster[i].y,2),(double)1/(m-1));return res;}//更新聚类中心//allPos:节点数组//cluster:聚类中心数组//u隶属度矩阵//posNum节点数量//clusterNum聚类中心数量//m隶属度因子void updateCluster(Position* allPos,Position* cluster,double** u,int posNum,int clusterNum,int m){for(int i0;icluster[i].xsumXi(u,allPos,posNum,i,m)/sumUi(u,posNum,i,m);cluster[i].ysumYi(u,allPos,posNum,i,m)/sumUi(u,posNum,i,m);}}//更新隶属度矩阵//allPos:节点数组//cluster:聚类中心数组//u隶属度矩阵//posNum节点数量//clusterNum聚类中心数量//m隶属度因子void updateU(Position* allPos,Position* cluster,double** u,int posNum,int clusterNum,int m){double disXI;for(int i0;ifor(int x0;xdisXIpow(pow(allPos[x].x-cluster[i].x,2)pow(allPos[x].y-cluster[i].y,2),(double)1/(m-1));u[i][x](double)1/(disXI*sumDis(allPos[x],cluster,clusterNum,m));}}//输出目标函数//allPos:节点数组//cluster:聚类中心数组//u隶属度矩阵//posNum节点数量//clusterNum聚类中心数量//m隶属度因子void outpuCost_fun(Position* allPos,Position* cluster,double** u,int posNum,int clusterNum,int m){double res0;for(int i0;ifor(int x0;xres(pow(u[i][x],m)*(pow(allPos[x].x-cluster[i].x,2)pow(allPos[x].y-cluster[i].y,2)));printf(costFun:%f\n,res);}//..略同上void outputU(double** u,int posNum,int clusterNum){for(int i0;ifor(int x0;xprintf(u[%d][%d]:%f ,x,i,u[x][i]);printf(\n);}}void fuzzy_Cmeans(int posNum,int clusterNum, int m, int iterTime,int range){Position* allPosrandomPosition(posNum,range);Position* cluster(Position*)malloc(sizeof(Position)*clusterNum);double** uinit(posNum,clusterNum);for (int i 0; i iterTime; i){updateCluster(allPos,cluster,u,posNum,clusterNum,m);updateU(allPos,cluster,u,posNum,clusterNum,m);outpuCost_fun(allPos,cluster,u,posNum,clusterNum,m);//outputU(u,posNum,clusterNum);}}int main(){fuzzy_Cmeans(100,10,3,500,500);return 0;}结果可以看到其目标函数的值是逐渐减少的最后达到稳定的状态。
