function [center, U, obj_fcn] = FCMClust(data, cluster_n, options)
% FCMClust.m 采用模糊 C 均值对数据集 data 聚为 cluster_n 类
%
% 用法：
% 1. [center,U,obj_fcn] = FCMClust(Data,N_cluster,options);
% 2. [center,U,obj_fcn] = FCMClust(Data,N_cluster);
%
% 输入：
% data ---- nxm 矩阵,表示 n 个样本,每个样本具有 m 的维特征值
% N_cluster ---- 标量,表示聚合中心数目,即类别数
% options ---- 4x1 矩阵，其中
% options(1): 隶属度矩阵 U 的指数，>1 (缺省值: 2.0)
% options(2): 最大迭代次数 (缺省值: 100)
% options(3): 隶属度最小变化量,迭代终止条件 (缺省值: 1e-5)
% options(4): 每次迭代是否输出信息标志 (缺省值: 1)
% 输出：
% center ---- 聚类中心
% U ---- 隶属度矩阵
% obj_fcn ---- 目标函数值
% Example:
data = rand(100,2);
[center,U,obj_fcn] = FCMClust(data,2);
plot(data(:,1), data(:,2),'o');
hold on;
maxU = max(U);
index1 = find(U(1,:) == maxU);
index2 = find(U(2,:) == maxU);
line(data(index1,1),data(index1,2),'marker','*','color','g');
line(data(index2,1),data(index2,2),'marker','*','color','r');
plot([center([1 2],1)],[center([1 2],2)],'*','color','k')
hold off;
if nargin ~= 2 & nargin ~= 3, %判断输入参数个数只能是 2 个或 3 个
error('Too many or too few input arguments!');
end
data_n = size(data, 1); % 求出 data 的第一维(rows)数,即样本个数
in_n = size(data, 2); % 求出 data 的第二维(columns)数，即特征值长度
% 默认操作参数
default_options = [2; % 隶属度矩阵 U 的指数
100; % 最大迭代次数
1e-5; % 隶属度最小变化量,迭代终止条件
1]; % 每次迭代是否输出信息标志
