高光谱遥感图像模糊c均值聚类算法的matlab实现

模糊C均值聚类算法代码，实现数据聚类，机器学习代码的一部分。

matlab均值聚类的基本代码，代码参考自周志华《机器学习》9.4.1节而写的，代码使用matlab矩阵序列化操作，速度会快一点，本代码仅供参考，请尊重原创

实现特征提取算法和K紧邻聚类，内有详尽的程序说明

这是当年毕设得题目，这传统FCM算法上进行了改进的MATLAB代码

K均值 K均值聚类和颜色量化

c均值聚类算法matlab代码 iqm代表反向量化的k均值（IQ-means），并实现了一种用于快速近似聚类的方法。 执照 iqm拥有2句BSD许可证。 请参阅文件以获取完整的许可证文本。 目录结构 iqm主要由Matlab .m文件组成，但还包括许多.cpp文件，这些文件被编译为mex文件以与Matlab接口。 目录结构为： /anim animation of algorithm iterations on 2D example /config project configuration, including datasets, paths etc. /disp text/graphical display /lib generic utilities library /quant full set of learning, encoding, inversion and search methods /sub underlying code handling subspaces /test main test entry points /util specific utiliti

本文主要内容： 聚类算法的特点 聚类算法样本间的属性(包括，有序属性、无序属性)度量标准 聚类的常见算法，原型聚类(主要论述K均值聚类)，层次聚类、密度聚类 K均值聚类算法的python实现，以及聚类算法与EM最大算法的关系 参考引用 先上一张gif的k均值聚类算法动态图片，让大家对算法有个感性认识： 其中：N=200代表有200个样本，不同的颜色代表不同的簇(其中 3种颜色为3个簇)，星星代表每个簇的簇心。算法通过25次迭代找到收敛的簇心，以及对应的簇。 每次迭代的过程中，簇心和对应的簇都在变化。 聚类算法的特点 聚类算法是无监督学习算法和前面的有监督算法不同，训练数据

首先，读取利用数据绘制了31个省份的直方图和曲线图并进行分析；其次，利用手肘法确定K均值聚类的K值并对数据31个样品进行K均值聚类；再次；利用K均值聚类的效果，采用同样分类个数的模糊C均值聚类方法对31个样品再次聚类，并得到了每个样品聚类的结果和概率；最后，根据原始数据求得其协方差矩阵并进行主成分分析，基于生活经验与查阅资料对主成分进行解释和验证。

这是模糊C均值聚类与模拟退火算法的结合，在MATLAB中直接运行查看效果即可！！！！