模糊聚类FCM

1.问题描述：

       用FMC 算法实现基于目标函数的模糊聚类又称交替的迭代优化法。迭代优化本质上属于局部搜索的爬山法，很容易陷入局部极值点，因此对初始化很敏感。通常是根据一定的经验准则选取初始参数，这样计算结果与初始参数设置是否恰当密切相关。特别是在数据量较大和高维情况下，设置合理的参数非常困难，只能通过多次实验比较选定。由于初始聚类中心和样本的输入次序对最终的结果有重大影响，往往是用若干不同的初始中心和聚类数目分别聚类，然后选择最满意的聚类作为最终的结果。

2.部分程序：

clc;
clear;
close all;
warning off;
pack;
addpath 'func\'

%模拟数据
MAX_ITER  = 1000;%最大迭代次数
Class_Num = 5;  %样本类别数
Nums      = 100 ;%样本数目
seek      = 2;  %数据类别
figure;
POS       = func_node_gen(Class_Num,Nums,seek);
%数据
data      = POS(:,1:2);

%首先进行蚁群算法进行优化，获得最佳的初始聚类中心点
cluster_center = func_ant_opt(data,Class_Num);

%通过模糊聚类算法进行聚类
[U,P]=func_FCM(data,cluster_center,Class_Num,MAX_ITER);

%两个