FuzzyClustering:模糊聚类算法_python版

# 模糊聚类 **keywords: Fuzzy clustering，semi-supervised** ## introduce 本开源项目为模糊聚类算法python代码，主要算法包括： - FCM（模糊C均值算法） - MEC （极大熵模糊聚类算法） - KFCM（核模糊聚类算法） - SFCM （半监督模糊聚类算法） - eSFCM （基于信息熵的半监督模糊聚类算法） - SMUC （基于度量学习与信息熵的半监督模糊聚类算法） 以这些算法为基础的相关论文可参考本人的谷歌学术主页：[Wei Cai，Guangdong University of Technology](https://scholar.google.com/citations?view_op=list_works&hl=zh-CN&user=pYX8lisAAAAJ) ## project structure - dataset：数据集 - ClusterAidedComputing.py ：包括聚类常用的一些函数 - ClusteringIteration.py ：包括聚类算法迭代式 - FuzzyClustering.py ：模糊聚类算法 - demo.py ： 演示脚本（运行此程序） 算法都封装在FuzzyClustering.py里，FuzzyClustering.py调用ClusterAidedComputing.py和ClusteringIteration.py ## 算法调用 ### 参数 （以下为所有模糊聚类算法都有的参数） data ：数据集，统一使用数组（darry） cluster_n ：类簇中心数 max_iter ：最大迭代次数 e ：目标函数值变化最小阈值 printOn ：打印迭代情况开关（当printOn=1时打印迭代情况） ### 调用规则 所有的函数都需要输入data和cluster_n，其余参数可能有预设参数（若有预设参数则可以不输入，不输入则采用默认参数） ### 算法函数 - FCM ```python U,V,obj_fcn = fcm(data,cluster_n,m = 2,max_iter = 1000,e = 0.00001,printOn = 1) ``` 或 ```python U,V,obj_fcn = fcm(data,cluster_n) ``` 如上，m ,max_iter,e ,printOn这四个参数已有默认参数，可不设置 - MEC ```python U,V,obj_fcn = mec(data,cluster_n,gamma=0.01,max_iter = 1000,e = 0.00001,printOn = 1) ``` gamma ：惩罚系数 - KFCM sigma ：高斯核标准差 lamda ：惩罚系数 ```python kfcm(data,cluster_n,sigma=2,m=2,lamda=0.1,max_iter = 1000,e = 0.00001,printOn = 1) ``` - SFCM ```python U,V,obj_fcn = sfcm(data,cluster_n,label,m = 2,max_iter = 1000,e = 0.00001,alpha=5,printOn = 1) ``` label ：标签（array格式） - eSFCM ```python U,V,obj_fcn = esfcm(data,cluster_n,label,max_iter = 1000,e = 0.00001,lamda=1,printOn = 1) ``` - SMUC ```smuc U,V,obj_fcn = smuc(data,cluster_n,label,max_iter = 1000,e = 0.5,lamda=1,printOn = 1) ``` ### 例 迭代目标函数值变化图：