聚類分析 | MATLAB實(shí)現(xiàn)基于FCM模糊C均值聚類結(jié)果可視化

效果一覽

基本介紹

FCM模糊C均值聚類，聚類結(jié)果可視化，MATLAB程序。
FCM（Fuzzy C-Means）是一種常用的聚類算法，它將每個(gè)數(shù)據(jù)點(diǎn)都分配到多個(gè)簇，并根據(jù)隸屬度來表示每個(gè)數(shù)據(jù)點(diǎn)屬于不同簇的程度。FCM模糊C均值聚類算法需要選擇聚類數(shù)目和迭代次數(shù)，但在示例代碼中，我們將迭代次數(shù)設(shè)為0，讓算法自動(dòng)決定合適的迭代次數(shù)。根據(jù)實(shí)際情況調(diào)整聚類數(shù)目和迭代次數(shù)，以獲得更好的聚類結(jié)果。
從Excel表格中讀取，直接替換數(shù)據(jù)就可以使用，不需要對(duì)程序大幅度改動(dòng)。程序內(nèi)有詳細(xì)注釋，便于理解程序運(yùn)行。

程序設(shè)計(jì)

• 完整源碼和數(shù)據(jù)獲取方式：私信回復(fù)MATLAB實(shí)現(xiàn)基于FCM模糊C均值聚類結(jié)果可視化。

%%  清空環(huán)境變量
warning off             % 關(guān)閉報(bào)警信息
close all               % 關(guān)閉開啟的圖窗
clear                   % 清空變量
clc                     % 清空命令行cosD = pdist(meas,'cosine');
clustTreeCos = linkage(cosD,'average');
cophenet(clustTreeCos,cosD)ans =0.9360
[h,nodes] = dendrogram(clustTreeCos,0);
h_gca = gca;
h_gca.TickDir = 'out';
h_gca.TickLength = [.002 0];
h_gca.XTickLabel = [];
————————————————
版權(quán)聲明：本文為CSDN博主「機(jī)器學(xué)習(xí)之心」的原創(chuàng)文章，遵循CC 4.0 BY-SA版權(quán)協(xié)議，轉(zhuǎn)載請(qǐng)附上原文出處鏈接及本聲明。
原文鏈接：https://blog.csdn.net/kjm13182345320/article/details/119920826figure
hidx = cluster(clustTreeCos,'criterion','distance','cutoff',.006);
for i = 1:5clust = find(hidx==i);plot3(meas(clust,1),meas(clust,2),meas(clust,3),ptsymb{i});hold on
end
hold off
xlabel('Sepal Length');
ylabel('Sepal Width');
zlabel('Petal Length');
view(-137,10);
grid on————————————————
版權(quán)聲明：本文為CSDN博主「機(jī)器學(xué)習(xí)之心」的原創(chuàng)文章，遵循CC 4.0 BY-SA版權(quán)協(xié)議，轉(zhuǎn)載請(qǐng)附上原文出處鏈接及本聲明。
原文鏈接：https://blog.csdn.net/kjm13182345320/article/details/119920826

參考資料

[1] https://blog.csdn.net/kjm13182345320/article/details/129215161
[2] https://blog.csdn.net/kjm13182345320/article/details/128105718