FCM聚类算法matlab源代码

function [center U obj_fcn] = FCMClust（data cluster_n options）
% FCMClust.m   采用模糊C均值对数据集data聚为cluster_n类 
% 用法：
%   1.  [centerUobj_fcn] = FCMClust（DataN_clusteroptions）;
%   2.  [centerUobj_fcn] = FCMClust（DataN_cluster）;
% 输入：
%   data        ---- nxm矩阵表示n个样本每个样本具有m的维特征值
%   N_cluster   ---- 标量表示聚合中心数目即类别数
%   options     ---- 4x1矩阵，其中
%       options（1）:  隶属度矩阵U的指数，>1                  （缺省值: 2.0）
%       options（2）:  最大迭代次数                           （缺省值: 100）
%       options（3）:  隶属度最小变化量迭代终止条件           （缺省值: 1e-5）
%       options（4）:  每次迭代是否输出信息标志                （缺省值: 1）
% 输出：
%   center      ---- 聚类中心
%   U           ---- 隶属度矩阵
%   obj_fcn     ---- 目标函数值
%   Example:
%       data = rand（1002）;
%       [centerUobj_fcn] = FCMClust（data2）;
%       plot（data（:1） data（:2）‘o‘）;
%       hold on;
%       maxU = max（U）;
%       index1 = find（U（1:） == maxU）;
%       index2 = find（U（2:） == maxU）;
%       line（data（index11）data（index12）‘marker‘‘*‘‘color‘‘g‘）;
%       line（data（index21）data（index22）‘marker‘‘*‘‘color‘‘r‘）;
%       plot（[center（[1 2]1）][center（[1 2]2）]‘*‘‘color‘‘k‘）
%       hold off;
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

if nargin ~= 2 & nargin ~= 3    %判断输入参数个数只能是2个或3个
	error（‘Too many or too few input arguments!‘）;
end

data_n = size（data 1）; % 求出data的第一维（rows）数即样本个数
in_n = size（data 2）;   % 求出data的第二维（columns）数，即特征值长度
% 默认操作参数
default_options = [2;	% 隶属度矩阵U的指数
    100;                % 最大迭代次数 
    1e-5;               % 隶属度最小变化量迭代终止条件
    1];                 % 每次迭代是否输出信息标志 

if nargin == 2
	options = default_options;
 else       %分析有options做参数时候的情况
	% 如果输入参数个数是二那么就调用默认的option;
	if length（options） < 4 %如果用户给的opition数少于4个那么其他用默认值;
		tmp = default_options;
		tmp（1:length（options）） = options;
		options = tmp;
    end
    % 返回options中是数的值为0（如NaN）不是数时为1
	nan_index = find（isnan（options）==1）;
    %将denfault_options中对应位置的参数赋值给options中不是数的位置.
	options（nan_index） = default_options（nan_index）;
	if options（1） <= 1 %如果模糊矩阵的指数小于等于1
		error（‘The exponent should be greater than 1!‘）;
	end
end
%将options 中的分量分别赋值给四个变量;
expo = opti