模糊聚类分析传递闭包算法FCM的matlab程序，能对数据进行分类处理

模糊聚类分析传递闭包算法FCM的matlab程序，能对数据进行分类处理,经调试验证无误。

%BY YY  模糊聚类算法 2008.3.4
%采用数量积求相似矩阵 
%输入样本矩阵
X=input（‘please input X:‘）;
[NM]=size（X）;
%N是样本数 M是特征数
%N个样本M个指标的平均值矩阵和标准差矩阵
P=zeros（M1）;
for j=1:M
    for i=1:N
        P（j）=P（j）+X（ij）;
    end
    P（j）=P（j）/N;
end
P1=zeros（M1）;
for j=1:M
    for i=1:N
        P1（j）=P1（j）+（X（ij）-P（j））*（X（ij）-P（j））;
    end
    P1（j）=P1（j）/N;
    P1（j）=sqrt（P1（j））;
end
%标准化将数据归一化
for i=1:N
    for j=1:M
        X1（ij）=（X（ij）-P（j））/P1（j）;
    end
end
for j=1:M
   A（j）=min（X1（:j））;%最小
   B（j）=max（X1（:j））;%最大
end 
for i=1:N
    for j=1:M
        X2（ij）=（X1（ij）-A（j））/（B（j）-A（j））;
    end 
end 
X2
%以上都是数据标准化
%下面建立模糊相似矩阵
R1=zeros（NN）;
for i=1:N
    for k=1:N
        if i==k ;
        else 
            
           for j=1:M
            R1（ik）= R1（ik）+X2（ij）*X2（kj）;
           end
        end
    end
end
m=max（R1）;
m=max（m）;
R=zeros（NN）;
for i=1:N
    for j=1:N
        if i==j
            R（ij）=1;
        else
            R（ij）=R1（ij）/m;
        end
    end
end
R
%建立模糊等价关系矩阵
flag=0;
C=R;
T=zeros（NN）;
while flag==0
    for i=1:N
        for j=1:N
            for k=1:N
            T（ij）=max（min（C（ik）C（kj））T（ij））;%计算传递闭包 不能少T（ij）这项 否则T（i，i）将不再为1 取大取小合运算
            end
        end
    end
    if T==C
        flag=1;
    else
        C=T;
    end
end
T %输出传递闭包
%取不同的置信水平q，q需要设定
q=0.25;
for i=1:N
    for j=1:N
        if T（ij）>=q
            T1（ij）=1;
        else
            T1（ij）=0;
        end
    end
end
T1 %T1为一个P截矩阵 如有对应的列向量相等，则是同一类
%输出结果
F=zeros（NN）;
k=1;
for i=1:N
    e=1;
    F（ke）=i;
    for j=1:N
        if i==j;
        else
            if isequal（T1（i:）T1（j:））
               e=e+1;
               F（ke）=j;
            end
        end
    end
    k=k+1;
end
F
            



        

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       2013  2008-03-11 15:40  FCM.m

     文件       3703  2008-03-06 01:41  fcm.C

----------- ---------  ---------- -----  ----

                 5934                    3