MATLAB工具箱-KMeans_lzb1.0工具箱.rar

% 改进的模糊 K-Means 聚类 - 主函数 % 参考文献 % [1] 边肇祺 编著. 模式识别[M]. 北京:清华大学出版社. 1999. p280 % [2] Richard O.Duda 著,李宏东 译. 模式分类[M]. 北京:机械工业出版社. 2003. p425-426 clc clear all close all %-------------------------------------------------------------------------- % 产生聚类样本 m = 200; % 每一类样本个数 X1 = randn(2,m); X2 = randn(2,m)+repmat([0;4],1,m); X3 = randn(2,m)+repmat([6;2],1,m); X = [X1,X2,X3]; % 每一列为一个样本 %-------------------------------------------------------------------------- % 函数调用 c = 3; % 聚类数 tmax = 20; % 最大迭代次数 b = 2; % 大于1的实数,b=(1,2)非线性扩张,b=(2,+inf)非线性压缩 g = 0.01; % Jf变化门限 %-------------------------------------------------------------------------- % 均值聚类 M = Initialize(X,c); % 从c-1聚类的结果得到c聚类的代表点 % function [M] = Initialize(X,c) % 从c-1聚类的结果得到c聚类的代表点 % 参考文献: Richard O.Duda 著,李宏东 译. 模式分类[M]. 北京:机械工业出版社. 2003. p424 % 输入参数: % X - 样本点,每一列一个点 % c - 聚类中心数 % % 输出参数: % M - 聚类中心,每一列一个点 k = 0; Je = zeros(1,tmax); while k<tmax k = k+1; [T,tmp,je,M] = KMeans(X,M); Je(k) = je; % 代价函数赋值 if k>2 & Je(k)==Je(k-1) break; % 连续2次迭代,je不变,提前结束 end end Je = Je(1:k); %-------------------------------------------------------------------------- % 改进的模糊 K-Means 聚类 k = 0; Jf = zeros(1,tmax); while k<tmax k = k+1; [T,tmp,jf,M] = FuzzyKMeansImproved(X,M,b); % 输出聚类结果和代价函数收敛曲线 Jf(k) = jf; % 代价函数赋值 if k>2 & abs(Jf(k)-Jf(k-1))<g break; % 连续2次迭代,je变化量小于g,提前结束 end end Jf = Jf(1:k); % [T,N,jf,M2] = FuzzyKMeansImproved(X,M,b) % 改进的模糊 K-Means 聚类 % 参考文献: % 边肇祺 编著. 模式识别[M]. 北京:清华大学出版社. 1999. p281 % 输入参数: % X - 样本点,每一列一个点 % M - 聚类中心,每一列一个点(老的) % b - 参数b % % 输出参数: % T - 类别标签,行矢量 % N - 每一类个数 % jf - 代价函数值 % M2 - 聚类中心,每一列一个点(新的) %-------------------------------------------------------------------------- % 结果显示 figure; plot(Jf,'b.-'); xlabel('t'); ylabel('Je'); title('代价函数') S = {'b.','go','kx','c+','m*','ys','rd'}; % 类别标记 figure; hold on; axis equal; for j = 1:c I = find(T==j); plot(X(1,I),X(2,I),S{j}); % 类别输出 plot(M(1,j),M(2,j),'r.','MarkerSize',30); % 类别中心 end title(['Improved Fuzzy K-Mean Clustering, c = ',num2str(c)]); hold off;