FCMClust(模糊c均值聚类算法MATLAB实现）

模糊C均值聚类图像分割算法matlab实现模糊C均值聚类图像分割算法matlab实现模糊C均值聚类图像分割算法matlab实现

本程序是面向对象的K均值聚类方法的模拟退火法的改进版本

在matlab中实现模糊c均值聚类，含聚类坐标和分类数目，源程序和运行结果，程序易于修改

基本思想：首先任意选取K个聚类中心，按最小距离原则将各模式分配到K类的某一类； 不断计算聚类中心和调整各模式的类别，最终使各模式到其判属类别中心的距离平方之和最小。

c均值聚类的matlab程序，里面含有源程序，图片，算法介绍，还包括一份报告，详细介绍了算法的过程，希望读者都能看懂。

从网上找了很多资料，发现都没有太合适的，而本程序则通过修改整理，包括完整数据集文件，代码文件，导入即可运行，有什么不合理的欢迎相互探讨。

该代码是模糊均值聚类算法源代码，用C#语言编写，对于数据挖掘的学员有一定帮助。

k-means 算法接受输入量 k ；然后将n个数据对象划分为 k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似 度较高；而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来 进行计算的。 　　k-means 算法的工作过程说明如下：首先从n个数据对象任意选择 k 个对象作为初始聚类中心；而对于所剩下其它对象 ，则根据它们与这些聚类中心的相似度（距离），分别将它们分配给与其最相似的（聚类中心所代表的）聚类；然后再计算 每个所获新聚类的聚类中心（该聚类中所有对象的均值）；不断重复这一过程直到标准测度函数开始收敛为止。一般都采用 均方差作为标准测度函数. k个聚类具有以下特点：各聚类本身尽可能的紧凑 ，而各聚类之间尽可能的分开。

之前学习并详细总结了一篇k-均值（k-means）算法文章，于是顺便提供Matlab代码实现，这份代码通过Matlab随机生成三组数据，然后进行聚类实现。还有另一份较复杂的实现代码可动态实现k-均值的聚类过程，具体可查看个人CSDN资源