聚类分析 | MATLAB实现基于FCM模糊C均值聚类结果可视化

效果一览

基本介绍

FCM模糊C均值聚类，聚类结果可视化，MATLAB程序。
FCM（Fuzzy C-Means）是一种常用的聚类算法，它将每个数据点都分配到多个簇，并根据隶属度来表示每个数据点属于不同簇的程度。FCM模糊C均值聚类算法需要选择聚类数目和迭代次数，但在示例代码中，我们将迭代次数设为0，让算法自动决定合适的迭代次数。根据实际情况调整聚类数目和迭代次数，以获得更好的聚类结果。
从Excel表格中读取，直接替换数据就可以使用，不需要对程序大幅度改动。程序内有详细注释，便于理解程序运行。

程序设计

• 完整源码和数据获取方式：私信回复MATLAB实现基于FCM模糊C均值聚类结果可视化。

%%  清空环境变量
warning off             % 关闭报警信息
close all               % 关闭开启的图窗
clear                   % 清空变量
clc                     % 清空命令行

cosD = pdist(meas,'cosine');
clustTreeCos = linkage(cosD,'average');
cophenet(clustTreeCos,cosD)

ans =

    0.9360
[h,nodes] = dendrogram(clustTreeCos,0);
h_gca = gca;
h_gca.TickDir = 'out';
h_gca.TickLength = [.002 0];
h_gca.XTickLabel = [];
————————————————
版权声明：本文为CSDN博主「机器学习之心」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/kjm13182345320/article/details/119920826



figure
hidx = cluster(clustTreeCos,'criterion','distance','cutoff',.006);
for i = 1:5
    clust = find(hidx==i);
    plot3(meas(clust,1),meas(clust,2),meas(clust,3),ptsymb{i});
    hold on
end
hold off
xlabel('Sepal Length');
ylabel('Sepal Width');
zlabel('Petal Length');
view(-137,10);
grid on

————————————————
版权声明：本文为CSDN博主「机器学习之心」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/kjm13182345320/article/details/119920826

参考资料

[1] https://blog.csdn.net/kjm13182345320/article/details/129215161
[2] https://blog.csdn.net/kjm13182345320/article/details/128105718