模糊聚类 | MATLAB实现基于FC模糊聚类数据分析
效果分析
基本介绍
模糊聚类是一种聚类方法，与传统的硬聚类（Hard Clustering）方法不同，模糊聚类（Fuzzy Clustering）不是将每个数据点硬性地分配到一个聚类中心，而是考虑每个数据点可能属于多个聚类中心的情况，给出每个数据点属于每个聚类中心的概率分布，即每个数据点在每个聚类中心上的隶属度。这种方法可以有效地处理数据点可能属于多个聚类的情况，以及噪声数据的存在。
在模糊聚类中，聚类的结果是一个概率分布矩阵，表示每个数据点隶属于每个聚类中心的概率。这个矩阵可以用来分析数据点的聚类分布情况，也可以用来对新的数据点进行聚类预测。常见的模糊聚类方法包括 Fuzzy C-Means（FCM）和 Gustafson-Kessel