模糊聚类 该软件包实现了模糊c均值（FCM）分类算法，以及用于可视化分类结果的一组图形工具。 FCM执行软分类。 不是将样本分配给单个类别，而是为每个样本赋予每个类别一个成员资格评分（类似于归属概率）。 该算法迭代地使用隶属度分数来更新聚类质心的位置，并使用聚类质心的位置来更新隶属度分数。 众所周知，经典FCM [1]对高维敏感[2]。 我正在研究算法的两个修改，以改善分类结果：多项式模糊函数和隶属度正则化[3]。 该软件包提出了三种评估最终分类结果质量的方法：1） FCM算法的目标函数。 它主要考虑了群集的紧凑性2） VIdso索引[4]。 它结合了群集散布，分离和重叠的度量3）广义的内部帧间轮廓[5]。 它结合了群集的紧凑性和分离性，并提供了分配质量的逐样本测量。 但是，该索引具有很高的计算成本。 可视化工具包括图形化的辅助工具，用于识别可能突出显示数据集中基础结构的聚类解决方案

模糊聚类 关键词：模糊聚类，半监督 介绍 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） 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（基于预测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著作： 项目结构 数据集：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ClusteringIterat

MATLAB工具箱大全-聚类分析工具箱FuzzyClusteringToolbox