MATLAB es un estándar de la industria paquete de software para el análisis de una variedad de datos técnicos y científicos. Un objetivo subyacente de muchos de los métodos analíticos es reconocer patrones en los datos subyacentes. A menudo esto implica la división de los datos en distintos grupos o clusters. Un uso frecuente de clustering algoritmo fuzzy c-means clustering, desarrollado por Dunn en 1973 y mejorado por Bezdek en 1981.
MATLAB es un estándar de la industria paquete de software para el análisis de una variedad de datos técnicos y científicos. Un objetivo subyacente de muchos de los métodos analíticos es reconocer patrones en los datos subyacentes. A menudo esto implica la división de los datos en distintos grupos o clusters. Un uso frecuente de clustering algoritmo fuzzy c-means clustering, desarrollado por Dunn en 1973 y mejorado por Bezdek en 1981.
Resumen
- En fuzzy c-means clustering, o FCM, los puntos de datos pueden pertenecer a más de un grupo. Un algoritmo iterativo minimiza una función objetivo para encontrar el óptimo de la pertenencia al clúster para cada punto de los datos agrupados. Iteración del algoritmo de clustering se detendrá cuando la función objetivo alcanza un mínimo local o punto de silla. FCM puede ser combinado con otros algoritmos de búsqueda con el fin de garantizar un óptimo resultado.
la Función Objetivo
- La FCM de la función objetivo J_m es igual a:
sum(i=1...N)[ sum(j=1...C) [u_ij^m norma(x_i - c_j)^2 ] ]
La función objetivo se considera más real de los valores de m entre el 1 y el infinito positivo. El valor u_ij es la pertenencia de los datos de punto de x_i en el jth clúster, centrado en c_j.
Algoritmo
- La FCM algoritmo de optimización consta de cuatro pasos:
- Inicializar la matriz U_0 = [u_ij].
- Calcular los centros de clúster C_k = [c_j] de U_k, donde k es un entero igual iteración del algoritmo.
- Actualización de U_(k 1) de la nueva C_k.
- Calcular el valor de J_k. Si la nueva parada causado J_k a aumentar, detener, de lo contrario volver al paso 2.
MATLAB Uso
- MATLAB implementa fuzzy c-means clustering en la fcm() función. La Fuzzy Logic toolbox es necesario para el uso de la fcm() función. La sintaxis de llamada es:
[de los centros, U, objFun] = fcm(my_data, n_clusters)
La my_data variable es la entrada de datos, donde cada fila representa un punto de datos. El n_clusters variable es el número de conglomerados para agrupar los datos. Los centros de salida es la matriz de óptimo de los centros de cluster. U es la óptima aproximada de la partición o de la membresía de la matriz. El objFun variable es el valor final de la función objetivo.
FCM Codigo en MATLAB
MATLAB es un estandar de la industria paquete de software para el analisis de una variedad de datos tecnicos y cientificos. Un objetivo subyacente de muchos de los metodos analiticos es reconocer patrones en los datos subyacentes. A menudo esto implica la division de los datos en distintos grupos o clusters. Un uso frecuente de clustering algoritmo fuzzy c-means clustering, desarrollado por Dunn en 1973 y mejorado por Bezdek en 1981.
MATLAB es un estandar de la industria paquete de software para el analisis de una variedad de datos tecnicos y cientificos. Un objetivo subyacente de muchos de los metodos analiticos es reconocer patrones en los datos subyacentes. A menudo esto implica la division de los datos en distintos grupos o clusters. Un uso frecuente de clustering algoritmo fuzzy c-means clustering, desarrollado por Dunn en 1973 y mejorado por Bezdek en 1981.
Resumen
- En fuzzy c-means clustering, o FCM, los puntos de datos pueden pertenecer a mas de un grupo. Un algoritmo iterativo minimiza una funcion objetivo para encontrar el optimo de la pertenencia al cluster para cada punto de los datos agrupados. Iteracion del algoritmo de clustering se detendra cuando la funcion objetivo alcanza un minimo local o punto de silla. FCM puede ser combinado con otros algoritmos de busqueda con el fin de garantizar un optimo resultado.
la Funcion Objetivo
- La FCM de la funcion objetivo J_m es igual a:
sum(i=1...N)[ sum(j=1...C) [u_ij^m norma(x_i - c_j)^2 ] ]
La funcion objetivo se considera mas real de los valores de m entre el 1 y el infinito positivo. El valor u_ij es la pertenencia de los datos de punto de x_i en el jth cluster, centrado en c_j.
Algoritmo
- La FCM algoritmo de optimizacion consta de cuatro pasos:
- Inicializar la matriz U_0 = [u_ij].
- Calcular los centros de cluster C_k = [c_j] de U_k, donde k es un entero igual iteracion del algoritmo.
- Actualizacion de U_(k 1) de la nueva C_k.
- Calcular el valor de J_k. Si la nueva parada causado J_k a aumentar, detener, de lo contrario volver al paso 2.
MATLAB Uso
- MATLAB implementa fuzzy c-means clustering en la fcm() funcion. La Fuzzy Logic toolbox es necesario para el uso de la fcm() funcion. La sintaxis de llamada es:
[de los centros, U, objFun] = fcm(my_data, n_clusters)
La my_data variable es la entrada de datos, donde cada fila representa un punto de datos. El n_clusters variable es el numero de conglomerados para agrupar los datos. Los centros de salida es la matriz de optimo de los centros de cluster. U es la optima aproximada de la particion o de la membresia de la matriz. El objFun variable es el valor final de la funcion objetivo.
FCM Código en MATLAB
By Consejos Y Trucos
MATLAB es un estándar de la industria paquete de software para el análisis de una variedad de datos técnicos y científicos. Un objetivo subyacente de muchos de los métodos analíticos es reconocer patrones en los datos subyacentes. A menudo esto implica la división de los datos en distintos grupos o clusters. Un uso frecuente de clustering algoritmo fuzzy c-means clustering, desarrollado por Dunn en 1973 y mejorado por Bezdek en 1981. 